Comment utiliser plusieurs langages avec Tesseract en C

Lire un exemple de PDF multilingue

IronOcr propose environ 125 packs de langue ; Cependant, seule la langue anglaise est installée par défaut. Le reste peut être téléchargé depuis NuGet. Vous pouvez consulter ici tous les packs de langue disponibles.

Dans l'exemple suivant, je vais vous montrer le code permettant d'utiliser plusieurs langues dans IronOcr pour extraire du texte d'un fichier PDF.

:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-pdf-input.cs

using IronOcr;
using System;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian);

// Add PDF
using var pdfInput = new OcrPdfInput(@"example.pdf");
// Perform OCR
OcrResult result = ocrTesseract.Read(pdfInput);

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

Imports IronOcr
Imports System

' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()

' Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian)

' Add PDF
Dim pdfInput = New OcrPdfInput("example.pdf")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(pdfInput)

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

Vous pouvez ajouter autant de langues secondaires que vous le souhaitez à l'aide de la méthode AddSecondaryLanguage . Veuillez toutefois noter que cet ajout peut affecter la vitesse et les performances. La priorité d'une langue dépend de l'ordre dans lequel elle est ajoutée, la première ajoutée ayant la priorité la plus élevée.

Lire un exemple d'image multilingue

La langue principale est définie par défaut sur l'anglais. Pour modifier la langue principale, définissez la propriété Langue sur la langue souhaitée. Vous pourrez ensuite ajouter des langues secondaires.

// Example code for reading multi-language image with IronOCR
using IronOcr;

// Initialize IronTesseract OCR engine
var Ocr = new IronTesseract();

:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-image-input.cs

// Example code for reading multi-language image with IronOCR
using IronOcr;

// Initialize IronTesseract OCR engine
var Ocr = new IronTesseract();

using IronOcr;
using System;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Set primary language to Russian
ocrTesseract.Language = OcrLanguage.Russian;
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese);

// Add image
using var imageInput = new OcrImageInput(@"example.png");
// Perform OCR
OcrResult result = ocrTesseract.Read(imageInput);

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

IRON VB CONVERTER ERROR developers@ironsoftware.com

Si vous procédez correctement, vous pouvez vous attendre à des résultats comme ceux ci-dessous.

Russe et japonais !

Conclusion

En bref, IronOCR, s'appuyant sur le puissant moteur Tesseract, excelle dans l'extraction de texte à partir de documents en plusieurs langues. C'est un outil indispensable pour gérer la complexité de la lecture de textes dans de nombreuses langues, offrant aux développeurs et aux esprits curieux une solution polyvalente. Que vous traitiez des fichiers PDF contenant du texte en plusieurs langues ou que vous travailliez avec du contenu multilingue dans des images, IronOCR simplifie la tâche de reconnaissance et d'extraction de texte en plusieurs langues.