Extraction de texte OCR PDF

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

Extraction de texte OCR PDF

Iron Tesseract peut lire de nombreux formats d'images ainsi que des documents PDF. Cette fonctionnalité n'est pas possible avec les moteurs Tesseract conventionnels gratuits.

OcrInput offre la possibilité de corriger automatiquement les caractéristiques des PDF si les scans sont de mauvaise qualité.

Les développeurs peuvent spécifier de lire un PDF entier, une sélection de pages ou une seule zone de coupe.

Comment OCR un fichier PDF en C#

Téléchargez la bibliothèque C# pour OCR le fichier PDF
Utiliser la méthode AddPdf pour ajouter un document PDF
Ajouter certaines pages du document PDF avec la méthode AddPdfPages
Utiliser la méthode Read pour effectuer l'OCR sur le document PDF ajouté
Voir toutes les valeurs du code QR dans la propriété Barcodes. Accédez à la propriété Text pour récupérer le résultat de l'OCR

C# OCR PDF

De nombreux outils d'OCR fonctionnent bien dans des conditions optimales, mais lorsque vous avez besoin de quelque chose qui fait le travail avec une stabilité et une précision améliorées dans toutes les conditions, la solution d'extraction de texte IronOCR est ce qu'il vous faut.

IronOcr pour l'extraction de texte est construit à partir de la base et avec la capacité de convertir des images du monde réel avec une précision de 99 %.

IronTesseract, notre bibliothèque OCR native en C#, peut reconnaître des caractères de manière presque humaine à partir d'images du monde réel qui ne sont pas toujours de bonne qualité et qui sont parfois de travers.

Notre OCR permet de corriger automatiquement les caractéristiques des PDF ou des images si les scans sont de mauvaise qualité.

Lorsque je vous présenterai la meilleure solution d'OCR disponible à l'heure actuelle, vous pourrez vous en rendre compte par vous-même.

Pourquoi IronOCR pour l'extraction de texte par OCR d'images ou de PDF?

Le choix de la solution IronOcr pour la gestion de Tesseract s'impose si l'on considère ses capacités uniques, qui sont notamment les suivantes :

Le moteur d'extraction de texte IronOCR for PDF OCR fonctionne dès le départ en .NET pur
Il n'est pas nécessaire que Tesseract soit installé sur votre machine.
Elle fonctionne remarquablement bien avec les moteurs les plus récents : Tesseract 5 (ainsi que Tesseract 4 & 3).
Elle est disponible pour tout projet .NET : .NET Framework 4.5 +, .NET Standard 2 +, et .NET Core 2, 3 & 5 !
La précision et la rapidité de la traduction ont été améliorées par rapport à d'autres Tesseracts open-source.
IronOCR prend en charge les plateformes de développement Xamarin, Mono, Azure et Docker.
Vous pouvez gérer des systèmes de dictionnaires Tesseract complexes à l'aide de packages NuGet.
Il peut extraire du texte à partir de PDF, de Tiffs MultiFrame et de tous les principaux fichiers d'images sans aucune manipulation supplémentaire.
Elle peut corriger les scans d'images de mauvaise qualité et de biais afin d'obtenir les meilleurs résultats pour votre projet d'extraction de texte.