C#のTesseractで複数の言語を使用する方法</#35;

はじめに

IronOCRは、信頼性の高いOCRツールとしてTesseract Engineを使用し、様々な言語やスクリプトからのテキスト抽出を提供します。

この記事では、IronOCRがTesseractを通してどのように多言語のテキストを扱っているかをご紹介します。 多言語OCRソリューションの実装方法を学び、IronOCRの機能とTesseractエンジンとの統合を理解します。

最新のアプリケーションでは、複数の言語で文書を処理することが不可欠です。 国際的なビジネス文書、多言語ウェブサイト、グローバルコミュニケーションプラットフォームでは、言語の壁を越えた正確なテキスト抽出が求められます。 IronOCRは、Tesseractの広範な言語サポートと統合することで、複数のスクリプトや文字セットを含むドキュメントからのテキスト抽出を可能にし、このニーズに応えます。

クイックスタート: IronOCRを使用して複数の言語のテキストを認識する

IronOCRを一次言語で設定し、多言語文書や画像からテキストを抽出するために一行で二次言語を追加します。

多言語のPDFをIronOCRで読むには？

IronOcrは125の言語パックを提供しています； デフォルトでは英語のみインストールされます。 NuGetから他の言語をダウンロードしてください。 利用可能なすべての言語パックはこちらをご覧ください。

複数の言語を含むPDFには、特定のOCRエンジン設定が必要です。 IronOCRは、文書を処理する前に主言語と副言語を指定することができ、異なるスクリプトや文字セット間で最適な認識精度を保証します。

: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);

Tesseractで多言語画像を処理するには?

デフォルトの主要言語は英語です。 To change it, set the Language property to your desired language, then add secondary languages as needed.

多言語テキストを含む画像は、慎重な設定が必要です。 PDFとは異なり、画像には様々なテキスト方向、異なるフォント、混合スクリプトが含まれる可能性があります。IronOCRのTesseractインテグレーションは、これらのシナリオに対応する包括的な言語設定オプションを提供します。

// 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 Hindi
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);

多言語 OCR のキーポイントは何ですか?

IronOCRはTesseractエンジンを使用し、多言語ドキュメントからテキストを効果的に抽出します。 多言語のテキストを読むという複雑な作業に対応し、汎用性の高いソリューションを提供します。 様々な言語のPDFを処理する場合でも、多言語の画像コンテンツを扱う場合でも、IronOCRは言語間のテキストの認識と抽出を簡素化します。

多言語テキスト抽出のためのIronOCRの主な利点：

• 幅広い言語サポート：NuGet パッケージ経由で 125 以上の国際的な OCR 言語をサポートします。
• 柔軟な設定: 主言語および副言語設定のためのシンプルなAPI
• 高精度：Tesseract 5の高度な認識アルゴリズムを使用
• パフォーマンスの最適化: 組み込みのマルチスレッドサポート
• クロスプラットフォーム互換性：Windows、Linux、macOSで動作

IronOCRは、多言語OCR実装のための強力な機能と使いやすさを組み合わせた包括的なソリューションを提供します。 文書管理システム、翻訳ツール、または多言語テキスト抽出を必要とするあらゆるアプリケーションを、成功に必要な柔軟性と信頼性で構築します。

NuGetからIronOCRをダウンロードし、ドキュメントとサンプルを見て、多言語OCRプロジェクトを始めてください。 特定のユースケースや高度なシナリオについては、トラブルシューティングガイドが最適な結果を得るための洞察を提供します。