Instalar Tesseract (Tutorial paso a paso con imágenes)

Idioma del instalador

Una vez que se complete la descompresión de la configuración, aparecerá el diálogo de datos de idioma del instalador. Puede instalar Tesseract para usar múltiples idiomas seleccionando paquetes de idioma adicionales, pero aquí solo instalaremos los datos de idioma para el inglés.

Instalador de Tesseract

Haga clic en Aceptar, y se establece el idioma del instalador para Tesseract OCR.

Configuración de OCR de Tesseract

Aparecerá el asistente de configuración. Este Asistente de Configuración guiará la instalación de Tesseract para Windows.

Asistente de configuración de OCR de Tesseract

Haga clic en Siguiente para continuar con la instalación.

Aceptar el acuerdo de licencia

Tesseract OCR está licenciado bajo la Licencia Apache Versión 2.0. Como es de código abierto y libre de usar, puede redistribuir y modificar versiones de Tesseract sin preocupaciones de regalías.

Tesseract OCR tiene licencia Apache v2.0. Acepte esta licencia para continuar con la instalación.

Haga clic en Acepto para proceder a la instalación.

Seleccionar usuarios

Puede elegir instalar Tesseract para múltiples usuarios o para un solo usuario.

Elija instalar Tesseract OCR para el usuario actual (usted) o para todas las cuentas de usuario

Haga clic en Siguiente para elegir los componentes a instalar con Tesseract.

Elegir componentes

Del listado de componentes a instalar, ScrollView, Herramientas de Entrenamiento, Creación de Atajos y Datos de Idioma están seleccionados por defecto. Mantendremos todas las opciones seleccionadas por defecto. Puede elegir cualquier componente o omitir cualquiera basado en sus necesidades. Usualmente, todos son necesarios para instalar.

Aquí puede elegir si desea incluir o excluir los componentes de OCR de Tesseract. Para obtener los mejores resultados, continúe la instalación con los componentes predeterminados seleccionados.

Haga clic en Siguiente para elegir la ubicación de instalación.

Elija la ubicación de la instalación

A continuación, elegiremos la ubicación para instalar Tesseract. Asegúrese de copiar la ruta de la carpeta de destino. Necesitaremos esto más tarde para agregar la ubicación de instalación a la Variable de Entorno del sistema.

Seleccione una ubicación de instalación para la biblioteca OCR Tesseract y recuerde esta ubicación para más adelante.

Haga clic en Siguiente para configurar más la instalación de Tesseract.

Seleccione la carpeta del menú Inicio

Este es el último paso en el que crearemos accesos directos en el Menú de Inicio. Puede nombrar la carpeta de cualquier manera, pero la he mantenido igual que la predeterminada.

Elija el nombre de la carpeta del menú Inicio de Tesseract OCR

Ahora, haga clic en Instalar y espere a que la instalación se complete. Una vez que la instalación haya terminado, aparecerá la siguiente pantalla. Haga clic en Finalizar, y habremos terminado de instalar Tesseract OCR en Windows con éxito.

La instalación de Tesseract OCR ahora está completa.

Propiedades del sistema

Una vez que el cuadro de diálogo de Propiedades del Sistema se abra, haga clic en la pestaña Avanzado, y luego haga clic en el botón Variables de Entorno, ubicado hacia la parte inferior derecha de la pantalla.

Se le presentará el cuadro de diálogo de Variables de Entorno.

Variables de entorno

Bajo variables del sistema, haga clic en la variable Path.

Acceder a las variables de entorno del sistema de Windows

Ahora, haga clic en Editar.

Agregar el directorio de instalación de Tesseract OCR para Windows a las variables de entorno

Desde el cuadro de diálogo Editar variable de entorno, haga clic en Nuevo. Pegue la ruta de la ubicación de instalación que se copió durante el segundo paso, y haga clic en Aceptar.

Edite la variable de entorno del sistema de ruta de Windows agregando una entrada que incluya la ruta absoluta a la instalación de Tesseract OCR

using IronPdf; Hemos descargado, instalado y configurado correctamente la variable de entorno de Tesseract OCR en la máquina Windows.

Instalar con el Administrador de paquetes NuGet

Instalar IronOCR en Visual Studio o usando la Línea de Comandos con el Administrador de Paquetes de NuGet es sencillo. En Visual Studio, navegue a las opciones del Menú con:

Herramientas > Administrador de Paquetes NuGet > Consola

Luego en la Línea de Comandos, escriba el siguiente comando:

Install-Package IronOcr

Esto instalará IronOCR con facilidad, y ahora puede usarlo para extraer su máximo potencial.

También puede descargar otros Paquetes NuGet de IronOCR para diferentes plataformas:

• Windows: https://www.nuget.org/packages/IronOcr
• Linux: https://www.nuget.org/packages/IronOcr.Linux
• MacOS: https://www.nuget.org/packages/IronOcr.MacOs
• MacOS ARM: https://www.nuget.org/packages/IronOcr.MacOs.ARM

IronOCR con Tesseract 5

El siguiente código de ejemplo muestra lo fácil que es usar IronOCR Tesseract para leer texto de una imagen y realizar OCR usando C#.

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

string Text = Ocr.Read(@"test-files/redacted-employmentapp.png").Text;

// Output the extracted text to the console
Console.WriteLine(Text); // Printed text

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

string Text = Ocr.Read(@"test-files/redacted-employmentapp.png").Text;

// Output the extracted text to the console
Console.WriteLine(Text); // Printed text

' Import the IronOCR library
Imports IronOcr

' Create an instance of IronTesseract
Private Ocr = New IronTesseract()

Private Text As String = Ocr.Read("test-files/redacted-employmentapp.png").Text

' Output the extracted text to the console
Console.WriteLine(Text) ' Printed text

$vbLabelText   $csharpLabel

Si desea un código más robusto, entonces lo siguiente debería ayudarle a lograr la misma tarea:

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

// Using the OcrInput class to handle multiple images
using (var Input = new OcrInput()){
    // Add an image to the input collection
    Input.AddImage("test-files/redacted-employmentapp.png");
    // You can add any number of images

    // Read the OCR text from the input
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

// Using the OcrInput class to handle multiple images
using (var Input = new OcrInput()){
    // Add an image to the input collection
    Input.AddImage("test-files/redacted-employmentapp.png");
    // You can add any number of images

    // Read the OCR text from the input
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Import the IronOCR library
Imports IronOcr

' Create an instance of IronTesseract
Private Ocr = New IronTesseract()

' Using the OcrInput class to handle multiple images
Using Input = New OcrInput()
	' Add an image to the input collection
	Input.AddImage("test-files/redacted-employmentapp.png")
	' You can add any number of images

	' Read the OCR text from the input
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

$vbLabelText   $csharpLabel

Imagen de entrada

Imagen de entrada de muestra para el procesamiento IronOCR

Imagen de salida

La salida se imprime en la Consola como:

La consola regresó de la ejecución de IronOCR en la imagen de muestra.