IronOCR을 사용하여 C#에서 PDF를 읽는 방법

DPI 설정은 언제 조정해야 할까요?

DPI(인치당 도트 수) 설정은 해상도가 낮은 스캔 문서나 작은 글씨가 포함된 PDF 파일을 다룰 때 매우 중요해집니다. 최적의 결과를 얻으려면 다음과 같은 경우 DPI 설정을 조정하는 것을 고려하십시오.

• 200 DPI 미만의 스캔 문서 작업
• 과거 또는 보관용 PDF 파일 처리
• 복잡한 레이아웃이나 작은 글꼴을 다룰 때
• 기본 설정에서 정확도 문제가 발생함

대부분의 OCR 작업에는 300 DPI가 권장되지만, 글씨가 매우 작거나 세부 사항이 복잡한 문서의 경우 600 DPI가 필요할 수 있습니다.

IronOCR은 PDF 외에 어떤 파일 형식을 지원하나요?

IronOCR은 PDF 외에도 다양한 파일 형식을 완벽하게 지원합니다. 다음과 같은 다양한 형식의 이미지를 처리 할 수 있습니다.

• 일반 사진의 경우 JPEG/JPG 형식입니다.
• 투명도가 있는 이미지의 경우 PNG 형식입니다.
• 여러 페이지로 구성된 문서의 경우 TIFF 형식을 사용합니다.
• BMP는 압축되지 않은 이미지용입니다.
• 간단한 그래픽용 GIF

또한 IronOCR은 PDF 스트림을 메모리에서 직접 처리할 수 있어 웹 애플리케이션 및 클라우드 서비스에 적합합니다.

PDF 콘텐츠 유형 작업하기

PDF 파일을 처리할 때 콘텐츠 유형을 지정하면 성능을 최적화할 수 있습니다. PdfContents 열거형을 사용하여 특정 콘텐츠를 타겟으로 할 수 있습니다:

// For text-only PDFs (faster processing)
var textOnlyPdf = new OcrPdfInput("document.pdf", PdfContents.Text);

// For image-only PDFs (scanned documents)
var imageOnlyPdf = new OcrPdfInput("scanned.pdf", PdfContents.Images);

// For mixed content (default)
var mixedPdf = new OcrPdfInput("mixed.pdf", PdfContents.TextAndImages);

// For text-only PDFs (faster processing)
var textOnlyPdf = new OcrPdfInput("document.pdf", PdfContents.Text);

// For image-only PDFs (scanned documents)
var imageOnlyPdf = new OcrPdfInput("scanned.pdf", PdfContents.Images);

// For mixed content (default)
var mixedPdf = new OcrPdfInput("mixed.pdf", PdfContents.TextAndImages);

페이지 번호가 0부터 시작하는 이유는 무엇인가요?

0부터 시작하는 인덱싱은 C#을 비롯한 대부분의 프로그래밍 언어에서 표준적인 관례입니다. 즉, 첫 번째 페이지는 인덱스 0, 두 번째 페이지는 인덱스 1 등입니다. 배열 인덱싱과의 이러한 일관성 덕분에 개발자는 페이지 컬렉션을 프로그래밍 방식으로 더 쉽게 다룰 수 있습니다. 사람이 읽을 수 있는 페이지 번호(1, 2, 3...)를 색인으로 변환할 때는 페이지 번호에서 1을 빼기만 하면 됩니다.

연속되지 않은 페이지를 어떻게 읽을 수 있나요?

IronOCR을 사용하면 연속되지 않은 페이지를 읽는 것도 간단합니다. 원하는 페이지 색인을 순서에 상관없이 목록에 추가하기만 하면 됩니다. 예를 들어:

// Read pages 1, 3, 5, and 10 (using zero-based indices)
List<int> pageIndices = new List<int>() { 0, 2, 4, 9 };

// Or use LINQ for range-based selection
var evenPages = Enumerable.Range(0, 10).Where(x => x % 2 == 0).ToList();

// Read pages 1, 3, 5, and 10 (using zero-based indices)
List<int> pageIndices = new List<int>() { 0, 2, 4, 9 };

// Or use LINQ for range-based selection
var evenPages = Enumerable.Range(0, 10).Where(x => x % 2 == 0).ToList();

OCR 엔진은 지정된 페이지만 처리하므로 대용량 문서 처리 성능이 크게 향상됩니다.

잘못된 페이지 번호를 지정하면 어떻게 되나요?

문서의 페이지 수를 초과하는 페이지 인덱스를 지정하면 IronOCR에서 예외가 발생합니다. 처리 전에 오류 처리를 구현하거나 페이지 수를 검증하십시오. 색인이 유효한지 확인하려면 OCR을 수행하기 전에 PDF의 총 페이지 수를 확인할 수 있습니다.

직사각형의 정확한 좌표를 어떻게 구할 수 있나요?

정확한 좌표를 찾으려면 PDF의 좌표계를 이해해야 합니다. Rectangle 생성자는 네 가지 매개 변수를 받습니다: X (수평 위치), Y (수직 위치), Width, 그리고 Height. 모든 측정값은 픽셀 단위입니다. 눈금자 기능이 있는 PDF 뷰어나 디버깅 유틸리티와 같은 도구를 사용하면 정확한 좌표를 식별하는 데 도움이 될 수 있습니다. 또는 시행착오를 통해 작은 조정을 거듭하여 선택 영역을 구체화할 수도 있습니다.

보다 정확한 영역 정의를 위해 디버깅용 텍스트 강조 표시 기능을 활용하여 처리 중인 영역을 시각화할 수 있습니다.

한 번의 작업으로 여러 지역을 지정할 수 있나요?

네, IronOCR은 단일 OCR 작업에서 여러 지역을 지원합니다. 단순히 여러 Rectangle 객체를 배열에 추가합니다.

Rectangle[] scanRegions = { 
    new Rectangle(50, 50, 200, 100),    // Header region
    new Rectangle(50, 200, 500, 300),   // Main content region
    new Rectangle(50, 550, 200, 50)     // Footer region
};

Rectangle[] scanRegions = { 
    new Rectangle(50, 50, 200, 100),    // Header region
    new Rectangle(50, 200, 500, 300),   // Main content region
    new Rectangle(50, 550, 200, 50)     // Footer region
};

각 지역은 별도로 처리되며, 결과는 지정된 순서대로 통합됩니다.

전체 페이지 OCR 대신 영역별 OCR을 사용하는 이유는 무엇일까요?

지역별 OCR은 다음과 같은 몇 가지 장점을 제공합니다.

• 성능 : 더 작은 영역을 처리하는 속도가 훨씬 빠릅니다.
• 정확성 : 특정 지역에 집중함으로써 관련 없는 콘텐츠로 인한 노이즈를 줄일 수 있습니다.
• 구조 : 양식과 표에서 데이터를 더욱 안정적으로 추출합니다.
• 비용 효율성 : 처리 시간이 짧아지면 계산 비용이 절감됩니다.

이 접근 방식은 데이터가 예측 가능한 위치에 나타나는 송장, 양식 또는 보고서와 같은 구조화된 문서를 다룰 때 특히 유용합니다. 복잡한 문서 구조의 경우, 문서 내 표를 읽어 추출하는 특수 기법을 활용해 보세요.

복잡한 PDF 시나리오 처리

IronOCR은 까다로운 PDF 문서를 처리할 때 다음과 같은 여러 고급 기능을 제공합니다.

1. 이미지 전처리 : 텍스트 선명도를 높이기 위해 이미지 필터를 적용합니다.
2. 다국어 지원 : 여러 언어 로 작성된 문서를 동시에 처리합니다.
3. 사용자 지정 구성 : 특정 문서 유형에 맞게 OCR 설정을 세밀하게 조정합니다.
4. 내보내기 옵션 : 검색 가능한 PDF 및 hOCR HTML을 포함한 다양한 형식으로 결과를 저장할 수 있습니다.

이러한 기능 덕분에 IronOCR은 기업 수준의 PDF 처리 요구 사항을 충족하는 포괄적인 솔루션이 되었습니다.