Comment utiliser plusieurs langues avec Tesseract en C#

Introduction

<TODO : Ajouter une image ici -->

IronOCR assure l'extraction de texte à partir de diverses langues et écritures grâce au moteur Tesseract , un outil OCR fiable.

Cet article explore la manière dont IronOCR traite les textes en plusieurs langues grâce à Tesseract. Vous apprendrez à mettre en œuvre des solutions d'OCR multilingues et à comprendre les capacités d'IronOcr et l'intégration de son moteur Tesseract.

Le traitement de documents dans plusieurs langues est essentiel pour les applications modernes. Les documents commerciaux internationaux, les sites web multilingues et les plateformes de communication mondiales nécessitent une extraction de texte précise au-delà des barrières linguistiques. IronOcr répond à ce besoin en s'intégrant à la prise en charge linguistique étendue de Tesseract, permettant l'extraction de texte à partir de documents contenant plusieurs scripts et jeux de caractères simultanément.

Démarrage rapide : Utilisation d'IronOCR pour la reconnaissance de texte en plusieurs langues

Configurez IronOCR avec une langue principale et ajoutez des langues secondaires en une seule ligne pour extraire du texte à partir de documents ou d'images multilingues.

Comment lire des PDF multilingues avec IronOcr?

IronOcr fournit environ 125 packs de langues ; seul l'anglais est installé par défaut. Téléchargez d'autres langues à partir de NuGet. Voir tous les packs linguistiques disponibles ici.

Les PDF contenant plusieurs langues nécessitent une configuration spécifique du moteur OCR. IronOcr vous permet de spécifier les langues principales et secondaires avant de traiter les documents, ce qui garantit une précision de reconnaissance optimale entre les différents scripts et jeux de caractères.

: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);

Comment traiter des images multilingues avec Tesseract?

<TODO : Ajouter une image ici -->

L'anglais est la langue principale par défaut. To change it, set the Language property to your desired language, then add secondary languages as needed.

Les images contenant du texte multilingue doivent être configurées avec soin. Contrairement aux PDF, les images peuvent contenir des orientations de texte variées, des polices différentes et des scripts mixtes. L'intégration de Tesseract d'IronOCR offre des options de configuration linguistique complètes pour ces scénarios.

// 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);

Quels sont les principaux enseignements à tirer de l'OCR multilingue ?

IronOCR, qui utilise le moteur Tesseract, extrait efficacement du texte à partir de documents multilingues. La traduction doit rester professionnelle et préserver l'exactitude technique tout en expliquant les caractéristiques et les avantages de ces outils de développement. Qu'il s'agisse de traiter des PDF avec différentes langues ou de travailler avec des contenus d'images multilingues, IronOcr simplifie la reconnaissance et l'extraction de texte d'une langue à l'autre.

Principaux avantages d'IronOCR pour l'extraction de texte multilingue :

• Support linguistique étendu : Plus de 125 langues internationales d'OCR via des packages NuGet
• Configuration flexible : API simple pour les paramètres de la langue principale et de la langue secondaire
• Haute précision : Utilise les algorithmes de reconnaissance avancés de Tesseract 5
• Optimisation des performances : Prise en charge intégrée du multithreading
• <Compatibilité multiplateforme : Fonctionne sous Windows, Linux et macOS

IronOCR fournit une solution complète combinant facilité d'utilisation et fonctionnalités puissantes pour la mise en œuvre de l'OCR en plusieurs langues. Créez des systèmes de gestion de documents, des outils de traduction ou toute autre application nécessitant une extraction de texte multilingue avec la flexibilité et la fiabilité nécessaires pour réussir.

Démarrez votre projet d'OCR multilingue en téléchargeant IronOCR depuis NuGet et en explorant notre documentation et nos exemples. Pour les cas d'utilisation spécifiques ou les scénarios avancés, nos guides de dépannage fournissent des indications pour des résultats optimaux.