Leer tabla en documento

VB C#

using IronOcr;
using System.Linq;

// Instantiate OCR engine
var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadPdf("table.pdf");

// Perform OCR
var result = ocr.ReadDocumentAdvanced(input);

var cellList = result.Tables.First().CellInfos;

Imports IronOcr
Imports System.Linq

' Instantiate OCR engine
Private ocr = New IronTesseract()

Private input = New OcrInput()
input.LoadPdf("table.pdf")

' Perform OCR
Dim result = ocr.ReadDocumentAdvanced(input)

Dim cellList = result.Tables.First().CellInfos

Install-Package IronOcr

Leer tabla en documento

Este ejemplo de código demuestra cómo utilizar el motor OCR de IronTesseract para extraer texto y datos de tablas de un documento PDF.

Se crea una instancia del motor OCR de IronTesseract.

Se inicializa un objeto OcrInput, y un archivo PDF("table.pdf")se carga mediante el método LoadPdf.

El motor OCR procesa el documento usando el método ReadDocumentAdvanced, que devuelve un objeto OcrResult más detallado.

La primera tabla encontrada en el documento se accede utilizando result.Tables.First()y la información de la celda para esa tabla se extrae con CellInfos.

La lista de datos de celdas(listaDeCeldas)ahora contiene las celdas de la tabla, incluyendo el contenido de texto y otros detalles(por ejemplo, la posición de la celda, tamaño).

Este método es útil para extraer datos estructurados como tablas de archivos PDF, permitiendo que el texto dentro de cada celda de la tabla sea accedido y procesado programáticamente.