Extracción de texto PDF OCR

VB C#

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();

using var ocrInput = new OcrInput();

// OCR entire document
ocrInput.LoadPdf("example.pdf", Password: "password");

int[] pages = { 1, 2, 3, 4, 5 };

// Alternatively OCR selected page numbers
ocrInput.LoadPdfPages("example.pdf", pages, Password: "password");

var ocrResult = ocrTesseract.Read(ocrInput);
Console.WriteLine(ocrResult.Text);

Imports IronOcr
Imports System

Private ocrTesseract = New IronTesseract()

Private ocrInput = New OcrInput()

' OCR entire document
ocrInput.LoadPdf("example.pdf", Password:= "password")

Dim pages() As Integer = { 1, 2, 3, 4, 5 }

' Alternatively OCR selected page numbers
ocrInput.LoadPdfPages("example.pdf", pages, Password:= "password")

Dim ocrResult = ocrTesseract.Read(ocrInput)
Console.WriteLine(ocrResult.Text)

Install-Package IronOcr

Extracción de texto PDF OCR

Iron Tesseract puede leer muchos formatos de imagen, y también documentos PDF. Esta función no es posible con los motores Tesseract gratuitos convencionales.

OcrInput ofrece la opción de que las características del PDF se corrijan automáticamente si los escaneados son de mala calidad.

Los desarrolladores pueden especificar la lectura de todo el PDF, de una selección de páginas o de una única área de recorte.

Cómo hacer OCR de archivos PDF en C#

Descargar biblioteca C# para OCR de archivos PDF
Utilice AñadirPdf método para añadir un documento PDF
Añadir determinadas páginas de un documento PDF con AñadirPáginasPdf método
Utilice Leer método para realizar OCR en PDF añadidos
Ver todo el valor del código QR en Códigos de barras propertyAccess Texto para recuperar el resultado del OCR

C# PDF OCR

Muchas herramientas de OCR funcionan bien en condiciones óptimas, pero cuando necesita algo que haga el trabajo con mayor estabilidad y precisión en cualquier condición, la solución de extracción de texto IronOCR es lo que necesita.

IronOCR para la extracción de texto está construido desde cero y con la capacidad de convertir imágenes del mundo real con una precisión del 99%.

IronTesseract, nuestra biblioteca OCR nativa de C#, puede reconocer caracteres de forma casi humana a partir de imágenes del mundo real que no siempre son de buena calidad y a veces están sesgadas.

Nuestro OCR permite corregir automáticamente las características del PDF o de la imagen si los escaneados son de mala calidad.&;

Mientras le muestro la mejor solución de OCR disponible en este momento, podrá comprobarlo por sí mismo.

¿Por qué IronOCR para Extracción de Texto OCR de Imagen o PDF?

Elegir la solución IronOCR para la gestión de Tesseract es la elección obvia si tenemos en cuenta sus capacidades únicas, entre las que se incluyen las siguientes:

El motor de extracción de texto IronOCR para PDF OCR funciona directamente en .NET puro.
No requiere que Tesseract esté instalado en su máquina.
Funciona extraordinariamente bien con los motores más recientes: Tesseract 5(así como Tesseract 4 y 3).
Está disponible para cualquier proyecto .NET: .NET Framework 4.5 +, .NET Standard 2 + y .NET Core 2, 3 & 5!
Ha mejorado la precisión y la velocidad con respecto a otros Tesseracts de código abierto.
IronOCR es compatible con las plataformas de desarrollo Xamarin, Mono, Azure y Docker.
Puede gestionar sistemas de diccionario Tesseract complejos mediante paquetes NuGet.
Puede extraer texto de PDF, Tiffs MultiFrame y los principales archivos de imagen sin ningún tipo de manipulación adicional.
Puede corregir escaneados de imágenes de baja calidad y sesgados para obtener los mejores resultados de su proyecto de extracción de texto.
Consulte nuestro tutorial completo sobre las soluciones IronOCRaquí.

¿Tiene escaneos de baja calidad?

No hay problema.!

IronOCR destaca a un nivel superior cuando se trata de tareas de OCR. En realidad, muchos productos similares están hechos para funcionar bien con texto o imágenes impresos a máquina, de alta resolución y perfectos, por lo que resultan imprecisos o fallan en aplicaciones del mundo real. Sin embargo, este no es el caso de IronOCR.

IronOCR brilla en la corrección de documentos imperfectos. Puede enderezar una imagen escaneada torcida y mejorar fotos de baja calidad para que se conviertan en documentos PDF o imágenes que permitan realizar búsquedas. Esto es lo que hace que nuestro producto destaque sobre los demás.

Ajuste el rendimiento de IronOCR a su flujo de trabajo

Con la solución de OCR de Iron Software, puede ajustar el rendimiento de sus tareas de extracción de texto para obtener el equilibrio adecuado para su flujo de trabajo. Sabemos que esto es muy importante para muchos usuarios y desarrolladores, por lo que hemos creado nuestra solución de OCR para que sea ajustable en rendimiento y flexible;

Por ejemplo, un factor muy importante que influye en la velocidad de un trabajo de OCR es la calidad de la imagen de entrada. Cuando hay menos ruido de fondo y al mismo tiempo tiene más ppp( 200 ppp es un buen rango)más rápido será el rendimiento y más precisos los resultados del OCR. Sin embargo, con la función de ajuste del rendimiento IronOCR, incluso las tareas con imágenes de baja calidad pueden completarse rápidamente;

Además, si se eligen imágenes de entrada o formatos de texto escaneado con menos ruido digital, como PNG o TIFF, también se pueden obtener resultados más rápidos que con formatos de imagen de menor calidad, como JPEG.

Instalar la solución IronOCR es pan comido

La suite Iron Software es muy fácil de instalar y ejecutar. Está disponible para las plataformas de desarrollo más populares. Nuestra solución tiene soporte multiplataforma que incluye Windows, Linux, macOS, Azure, AWS y Docker - hay una razón por la que C# lo convierte en el motor Tesseract OCR más preferido entre los desarrolladores.

Compatibilidad con más de 125 idiomas internacionales

Para los trabajos de OCR, un software concreto resulta más útil cuando admite varios idiomas. La solución IronOCR se hace indispensable porque admite 125 idiomas internacionales. Estos idiomas pueden instalarse mediante paquetes de idiomas distribuidos como archivos DLL. Pueden descargarse desde este sitio web o desde el gestor de paquetes NuGet para Visual Studio.

Cómo instalar paquetes de idiomas OCR

Se admiten ciento veinte idiomas. Puede descargar cualquierPaquetes de idiomas OCR adicionales utilizando dos métodos:

Instalar el paquete NuGet

Buscar lenguajes IronOCR en NuGet.

Utilizar el método de datos OCR

Descargue el archivo "ocrdata" y añádalo a su proyecto .NET o a los archivos del programa.

Set CopyToOutputDirectory = CopyIfNewer

Set CopyToOutputDirectory = CopyIfNewer

VB.NET

Cree fácilmente documentos con capacidad de búsqueda a partir de sus archivos o imágenes escaneados

Una característica de la que estamos muy orgullosos es la capacidad de nuestro software Tesseract para crear un documento PDF con capacidad de búsqueda o texto con capacidad de búsqueda a partir de imágenes de entrada o un archivo PDF escaneado. Puede exportar el resultado del OCR como un PDF que será un documento PDF con capacidad de búsqueda en C# y VB.NET. Esto puede ayudar mucho a las empresas y las administraciones públicas en la creación de bases de datos, SEO y PDF.

Aproveche la potencia de la mejor herramienta de OCR

IronOCR es la mejor herramienta de su clase para extraer texto de imágenes y documentos. Viene con una serie de características, funcionalidades y soluciones que le dan una experiencia fácil y sin problemas al completar las tareas de OCR.

Nuestras bibliotecas OCR Tesseract C# pueden ayudarle a extraer texto de imágenes y documentos escaneados en entornos de desarrollo como C# y aplicaciones .NET.

Con IronOCR, puede incluso abrir documentos PDF protegidos por contraseña con facilidad, así como extraer texto sin problemas.

También tiene las siguientes características:

No requiere exes ni código C
Soporte completo de OCR de PDF
Compatible con MVC, aplicaciones web, de escritorio, de consola y de servidor
Compatibilidad completa con .NET Core, Standard y Framework
Leer con C# y VB .NET
Lee códigos QR y de barras
Exporta el OCR a XHTML o a un documento PDF con función de búsqueda
Compatible con multihilo
Extrae imágenes, coordenadas, estadísticas, fuentes y mucho más

Dé el paso hacia IronOCR

Teniendo en cuenta las increíbles características de esta solución de OCR, no puede equivocarse si decide probar IronOCR.

Utilizar nuestro software está a sólo unos clics de distancia. Empieza por instalar IronOCR, una tarea increíblemente sencilla. Además, son increíblemente útiles yguías detalladas paso a paso sobre el uso de cualquiera de nuestras herramientas yCómo HacerPor no hablar de nuestro eficaz centro de asistencia, que responde a las consultas lo antes posible.(casi inmediatamente).

No lo dude, elija IronOCR hoy mismo. Es el primer paso y el más importante para aprender a leer archivos PDF en C#.

Si le queda alguna duda, nuestra clave de licencia de prueba gratuita es perfecta para usted. Puede ayudarle a explorar todo el potencial de la última versión de IronOCR sin condiciones financieras. Puede ayudarle a decidir qué licencia de software es la más adecuada para usted. Si no está seguro, no dude en ponerse en contacto con nuestro equipo de expertos, sea cual sea su ubicación;