Extraction de données de reçus OCR (Tutoriel étape par étape)

Introduction rapide à la reconnaissance optique de caractères (OCR)

La reconnaissance optique de caractères, ou OCR, est une technologie qui permet aux ordinateurs de lire et de comprendre le texte à partir d'images ou de documents scannés. En convertissant le texte imprimé en texte lisible par machine, l'OCR vous permet de stocker, traiter et analyser les informations contenues dans les documents physiques.

2. Introduction à IronOCR

IronOCR est une bibliothèque OCR (Reconnaissance Optique de Caractères) pour les développeurs C# et .NET. Elle permet aux développeurs d'extraire du texte à partir d'images, de PDFs et d'autres formats de documents. IronOCR est construit sur le populaire moteur Tesseract OCR et ajoute des fonctionnalités supplémentaires, en faisant un choix idéal pour diverses applications, y compris l'OCR de reçus.

3. Avantages de l'utilisation d'IronOCR pour l'extraction de données

Voici quelques avantages clés de l'utilisation d'IronOCR pour l'extraction de données OCR de reçus :

• Haute précision : IronOCR offre une excellente précision de l'API OCR, garantissant une extraction fiable des données des reçus et d'autres documents.
• Support multilingue : IronOCR supporte plus de 125 langues, ce qui le rend adapté aux applications mondiales.
• Facile à utiliser : La bibliothèque offre une API simple et intuitive, ce qui facilite l'implémentation de la fonctionnalité OCR dans leurs projets par les développeurs.
• Personnalisable : IronOCR offre diverses options pour l'ajustement des résultats OCR, garantissant une extraction optimale des données pour votre cas d'utilisation spécifique.

4. Fonctionnement d'IronOCR

IronOCR utilise des algorithmes OCR avancés pour reconnaître et extraire le texte des images et des documents. Il peut traiter divers formats, y compris JPEG, PNG, TIFF, et PDF. La bibliothèque lit le fichier d'entrée, reconnaît le texte à l'intérieur, et produit le texte extrait sous forme de chaîne, qui peut ensuite être traité ou stocké selon les besoins. IronOCR utilise également la vision par ordinateur pour obtenir les meilleurs résultats.

5. Prérequis pour l'utilisation d'IronOCR

Pour commencer à utiliser IronOCR pour l'extraction de données de reçus, vous devez d'abord installer le package IronOCR. Cela peut être fait facilement via NuGet, le gestionnaire de packages pour .NET. Ouvrez simplement votre projet dans Visual Studio et suivez ces étapes :

1. Cliquez avec le bouton droit sur votre projet dans l'Explorateur de solutions et sélectionnez "Gérer les packages NuGet".
2. Dans la fenêtre du Gestionnaire de packages NuGet, recherchez "IronOCR".
3. Sélectionnez le package IronOcr et cliquez sur "Installer".

Rechercher le package IronOcr dans l'interface utilisateur du Gestionnaire de packages NuGet

6. Préparation de l'image du reçu

Avant d'extraire des données du reçu, vous devrez vous assurer que les images du reçu sont de haute qualité pour améliorer la précision du processus API OCR. Voici quelques conseils pour capturer une bonne image de votre reçu :

1. Utilisez un document scanné. Vous pouvez utiliser un scanner haute résolution pour la numérisation des reçus.
2. Assurez-vous que le reçu est bien éclairé et exempt d'ombres.
3. Redressez les plis ou plis sur le reçu, pour qu'aucune information clé ne soit cachée.
4. Assurez-vous que le texte sur le reçu est clair et non taché, pour améliorer le traitement du reçu.

Exemple d'image de reçu pour l'extraction de texte

7. Réaliser une reconnaissance optique de caractères (OCR) sur l'image du reçu

Avec IronOCR installé et votre image de reçu prête, il est temps d'effectuer le processus OCR. Dans votre application .NET, utilisez l'extrait de code suivant :

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

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

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

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

Imports IronOcr

' Initialize the IronTesseract class, which is responsible for OCR operations
Private ocr = New IronTesseract()

' Use the OcrInput class to load the image of your receipt.
' Replace @"path/to/your/receipt/image.png" with the actual file path.
Using ocrInput As New OcrInput("path/to/your/receipt/image.png")
	' Read the content of the image and perform OCR recognition
	Dim result = ocr.Read(ocrInput)

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

using IronOcr;

using IronOcr;

Imports IronOcr

var ocr = new IronTesseract();

var ocr = new IronTesseract();

Dim ocr = New IronTesseract()

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

Using ocrInput As New OcrInput("path/to/your/receipt/image.png")

var result = ocr.Read(ocrInput);

var result = ocr.Read(ocrInput);

Dim result = ocr.Read(ocrInput)

Console.WriteLine(result.Text);

Console.WriteLine(result.Text);

Console.WriteLine(result.Text)

Optimisation des résultats de la reconnaissance optique de caractères (OCR)

IronOCR offre plusieurs options pour améliorer la précision et les performances de l'OCR. Celles-ci incluent le prétraitement de l'image, l'ajustement des paramètres du moteur OCR, et le choix de la langue appropriée pour votre reçu.

using IronOcr;

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

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

using IronOcr;

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

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class
Private ocr = New IronTesseract()

' Load the image of your receipt and apply preprocessing techniques
Using input = New OcrInput("path/to/your/receipt/image.png")
	input.DeNoise() ' Remove noise from the image
	input.DeSkew() ' Correct any skewing in the image

	' Perform OCR and extract the recognized text
	Dim result = ocr.Read(input)
	Console.WriteLine(result.Text)
End Using

ocr.Configuration.Language = OcrLanguage.English;

ocr.Configuration.Language = OcrLanguage.English;

ocr.Configuration.Language = OcrLanguage.English

Extraction des données à partir des résultats de la reconnaissance optique de caractères (OCR)

Avec le processus OCR terminé, il est temps d'extraire des informations spécifiques du texte. Selon vos besoins, vous pouvez vouloir extraire des données telles que :

1. Nom et adresse du magasin.
2. Date et heure de l'achat.
3. Noms des articles et prix.
4. Sous-total, taxe et montant total.

Pour ce faire, vous pouvez utiliser des expressions régulières ou des techniques de manipulation de chaînes dans votre application .NET. Par exemple, vous pouvez extraire la date du résultat OCR en utilisant l'extrait de code suivant :

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

Imports System
Imports System.Text.RegularExpressions

' Define a regular expression pattern for matching dates
Private datePattern = "\d{1,2}\/\d{1,2}\/\d{2,4}"

' Search for a date in the OCR result text
Private dateMatch = Regex.Match(result.Text, datePattern)
If dateMatch.Success Then
	' Parse the matched date string into a DateTime object
	Dim dateValue = DateTime.Parse(dateMatch.Value)
	Console.WriteLine("Date: " & dateValue)
End If

Vous pouvez créer des modèles similaires pour d'autres informations que vous devez extraire du reçu.

Conclusion

En conclusion, l'OCR de reçus avec IronOCR est une solution innovante et efficace pour numériser et gérer vos données financières. Avec IronOCR, vous pouvez remplacer la saisie manuelle des données. En suivant ce guide étape par étape, vous pouvez exploiter la puissance d'IronOCR pour améliorer le suivi de vos dépenses et l'analyse des données. Le mieux est qu'IronOCR offre un essai gratuit, vous permettant de découvrir ses capacités sans aucun engagement.

Après la période d'essai, si vous décidez de continuer à utiliser IronOCR, la licence commence à partir de $799, offrant un moyen rentable de tirer parti des avantages de la technologie OCR dans vos applications.