API de factura OCR (Tutorial para desarrolladores)

1. IronOCR

IronOCR, desarrollado por Iron Software, es una biblioteca OCR que ofrece una gama de herramientas para desarrolladores. Utiliza aprendizaje automático y visión por computadora para extraer texto de documentos escaneados, imágenes y PDFs, permitiendo el procesamiento automatizado. Sus APIs se integran en varios lenguajes y plataformas, reduciendo errores de entrada manual de datos y mejorando la eficiencia. Los datos extraídos pueden ser analizados e integrados en sistemas existentes, ayudando en la toma de decisiones y productividad. Características como preprocesamiento de imágenes, reconocimiento de códigos de barras, y análisis de archivos aumentan su versatilidad. IronOCR otorga a los desarrolladores la capacidad de incorporar reconocimiento de texto en sus aplicaciones.

2. Requisitos previos

Antes de poder comenzar a trabajar con IronOCR, hay algunos requisitos previos que deben estar en su lugar. Estos requisitos previos incluyen:

1. Asegúrate de tener un entorno de desarrollo adecuado configurado en tu computadora. Esto típicamente implica tener un Entorno de Desarrollo Integrado (IDE) como Visual Studio instalado.
2. Es importante tener un entendimiento básico del lenguaje de programación C#. Esto te permitirá comprender y modificar los ejemplos de código proporcionados en el artículo de manera efectiva.
3. Necesitarás tener la biblioteca IronOCR instalada en tu proyecto. Esto se puede lograr usando el Administrador de Paquetes NuGet dentro de Visual Studio o a través de la interfaz de línea de comandos.

Al asegurarte de que se cumplen estos requisitos previos, estarás listo para sumergirte en el proceso de trabajar con IronOCR.

3. Creación de un nuevo proyecto de Visual Studio

Para comenzar con IronOCR, el primer paso es crear un nuevo proyecto de Visual Studio.

Abre Visual Studio y ve a Archivos, luego pasa por encima de Nuevo y haz clic en Proyecto.

Nuevo Proyecto

En la nueva ventana, selecciona Aplicación de Consola y haz clic en Siguiente.

Aplicación de Consola

Aparecerá una nueva ventana, escribe el nombre de tu nuevo proyecto y ubicación y haz clic en Siguiente.

Configuración del Proyecto

Finalmente, indica el marco de trabajo objetivo (Target framework) y haz clic en Crear.

Marco de Trabajo Objetivo

Ahora se ha creado tu nuevo proyecto de Visual Studio. Vamos a instalar IronOCR.

4. Instalación de IronOCR

Hay varios métodos para descargar e instalar la biblioteca IronOCR. Pero aquí están las dos maneras más simples.

1. Usando el Administrador de Paquetes NuGet de Visual Studio
2. Usando la Línea de Comandos de Visual Studio

5. Extraer datos de facturas mediante IronOCR

Usando IronOCR, puedes extraer fácilmente datos de facturas con solo unas pocas líneas de código y utilizar esa extracción de datos para procesos adicionales como entrada de datos. Esto reemplazará la entrada de datos manual y mucho más.

Aquí hay un ejemplo de factura para extraer texto.

La factura de muestra

Ahora, escribamos el código para extraer todos los datos de esta factura.

using IronOcr;
using System;

// Initialize a new instance of the IronTesseract class
var ocr = new IronTesseract();

// Use the OcrInput object to load the image file
using (var input = new OcrInput(@"r2.png"))
{
    // Read the image using the Read method, which performs OCR
    var result = ocr.Read(input);

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

using IronOcr;
using System;

// Initialize a new instance of the IronTesseract class
var ocr = new IronTesseract();

// Use the OcrInput object to load the image file
using (var input = new OcrInput(@"r2.png"))
{
    // Read the image using the Read method, which performs OCR
    var result = ocr.Read(input);

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

Imports IronOcr
Imports System

' Initialize a new instance of the IronTesseract class
Private ocr = New IronTesseract()

' Use the OcrInput object to load the image file
Using input = New OcrInput("r2.png")
	' Read the image using the Read method, which performs OCR
	Dim result = ocr.Read(input)

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

El código anterior obtiene entrada en forma de imagen y luego extrae datos de esa imagen usando un método Read de la clase IronTesseract.

Analizador de Facturas

using IronOcr;
using System;
using System.Text.RegularExpressions;

// Initialize a new instance of the IronTesseract class
var ocr = new IronTesseract();

// Use the OcrInput object to load the image file
using (var input = new OcrInput(@"r2.png"))
{
    // Perform OCR on the image
    var result = ocr.Read(input);

    // Define a regular expression pattern for the invoice number
    var linePattern = @"INV\/\d{4}\/\d{5}";

    // Match the pattern in the extracted text
    var lineMatch = Regex.Match(result.Text, linePattern);

    // Check if the pattern matches any part of the text
    if (lineMatch.Success)
    {
        // If a match is found, print the invoice number
        var lineValue = lineMatch.Value;
        Console.WriteLine("Customer Invoice number: " + lineValue);
    }
}

using IronOcr;
using System;
using System.Text.RegularExpressions;

// Initialize a new instance of the IronTesseract class
var ocr = new IronTesseract();

// Use the OcrInput object to load the image file
using (var input = new OcrInput(@"r2.png"))
{
    // Perform OCR on the image
    var result = ocr.Read(input);

    // Define a regular expression pattern for the invoice number
    var linePattern = @"INV\/\d{4}\/\d{5}";

    // Match the pattern in the extracted text
    var lineMatch = Regex.Match(result.Text, linePattern);

    // Check if the pattern matches any part of the text
    if (lineMatch.Success)
    {
        // If a match is found, print the invoice number
        var lineValue = lineMatch.Value;
        Console.WriteLine("Customer Invoice number: " + lineValue);
    }
}

Imports IronOcr
Imports System
Imports System.Text.RegularExpressions

' Initialize a new instance of the IronTesseract class
Private ocr = New IronTesseract()

' Use the OcrInput object to load the image file
Using input = New OcrInput("r2.png")
	' Perform OCR on the image
	Dim result = ocr.Read(input)

	' Define a regular expression pattern for the invoice number
	Dim linePattern = "INV\/\d{4}\/\d{5}"

	' Match the pattern in the extracted text
	Dim lineMatch = Regex.Match(result.Text, linePattern)

	' Check if the pattern matches any part of the text
	If lineMatch.Success Then
		' If a match is found, print the invoice number
		Dim lineValue = lineMatch.Value
		Console.WriteLine("Customer Invoice number: " & lineValue)
	End If
End Using

6. Conclusión

La API de OCR de Facturas de IronOCR revoluciona la extracción de datos de facturas utilizando aprendizaje automático y visión por computadora. Esta tecnología convierte texto de la factura y números en un formato legible por máquinas, simplificando la extracción de datos para análisis, integración y mejora de procesos. Ofrece una solución robusta para automatizar el procesamiento de facturas, mejorando la precisión y optimizando flujos de trabajo como cuentas por pagar. La entrada de datos automatizada desde facturas escaneadas también es posible con esta tecnología.

IronOCR ofrece alta precisión utilizando los mejores resultados de Tesseract, sin configuraciones adicionales. Soporta TIFF de frame multipágina, archivos PDF y todos los formatos de imagen populares. También es posible leer valores de códigos de barras desde imágenes.

Por favor visita el sitio web de la página principal para más información sobre IronOCR. Para más tutoriales sobre OCR de facturas, visita este detallado tutorial de OCR de facturas. Para saber cómo usar la visión por computadora para encontrar texto como campos de facturas, visita este cómo de visión por computadora.