Jak korzystać z wielu języków w Tesseract w języku C

Wprowadzenie

IronOCR umożliwia wyodrębnianie tekstu z różnych języków i alfabetów przy użyciu silnika Tesseract jako niezawodnego narzędzia OCR.

W tym artykułe omówiono, w jaki sposób IronOCR przetwarza tekst w wielu językach za pomocą Tesseract. Nauczysz się, jak wdrożyć rozwiązania OCR dla wielu języków i poznasz możliwości IronOCR i integracji z silnikiem Tesseract.

Przetwarzanie dokumentów w wielu językach jest niezbędne w nowoczesnych aplikacjach. Międzynarodowe dokumenty biznesowe, wielojęzyczne strony internetowe i globalne platformy komunikacyjne wymagają dokładnego pozyskiwania tekstu ponad barierami językowymi. IronOCR zaspokaja tę potrzebę poprzez integrację z szerokim wsparciem językowym Tesseract, umożliwiając wyciąganie tekstu z dokumentów zawierających wiele skryptów i jednocześnie zestawów znaków.

Szybki start: Wykorzystanie IronOCR do rozpoznawania tekstu w wielu językach

Skonfiguruj IronOCR z językiem podstawowym i dodaj języki dodatkowe w jednym wierszu, aby wyodrębnić tekst z wielojęzycznych dokumentów lub obrazów.

Jak odczytywać wielojęzyczne pliki PDF za pomocą IronOCR?

IronOCR oferuje około 125 pakietów językowych; Domyślnie zainstalowany jest tylko język angielski. Dodatkowe wersje językowe można pobrać z NuGet. Zobacz wszystkie dostępne pakiety językowe tutaj..

Pliki PDF zawierające wiele języków wymagają specjalnej konfiguracji silnika OCR. IronOCR pozwala określić język główny i pomocniczy przed przetworzeniem dokumentów, zapewniając optymalną dokładność rozpoznawania w różnych alfabetach i zestawach znaków.

: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)

Jak przetwarzać wielojęzyczne obrazy za pomocą Tesseract?

Językiem domyślnym jest angielski. Aby to zmienić, ustaw właściwość Language na żądany język, a następnie dodaj języki dodatkowe w razie potrzeby.

Obrazy zawierające tekst wielojęzyczny wymagają starannej konfiguracji. W przeciwieństwie do PDF, obrazy mogą zawierać różnorodne orientacje tekstu, różne czcionki i mieszane pisma. Integracja Tesseract w IronOCR zapewnia kompleksowe opcje konfiguracji językowej dla tych scenariuszy.

// 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);

' Example code for reading multi-language image with IronOCR
Imports IronOcr

' Initialize IronTesseract OCR engine
Private Ocr = New IronTesseract()

Imports System

' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()

' Set primary language to Hindi
ocrTesseract.Language = OcrLanguage.Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese)

' Add image
Dim imageInput = New OcrImageInput("example.png")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(imageInput)

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

Jakie są najważniejsze wnioski dotyczące wielojęzycznego OCR?

IronOCR, wykorzystując silnik Tesseract, skutecznie wyodrębnia tekst z dokumentów wielojęzycznych. Radzi sobie ze złożonością czytania tekstów w wielu językach, zapewniając wszechstronne rozwiązanie. Niezależnie od tego, czy przetwarzasz pliki PDF w różnych językach, czy pracujesz z wielojęzyczną zawartością graficzną, IronOCR ułatwia rozpoznawanie i wyodrębnianie tekstu w różnych językach.

Kluczowe zalety IronOCR w zakresie wielojęzycznego wyodrębniania tekstu:

• Rozszerzone wsparcie językowe: Ponad 125 międzynarodowych języków OCR za pośrednictwem pakietów NuGet
• Elastyczna konfiguracja: Proste API dla ustawień języka głównego i drugorzędnych
• Wysoka dokładność: Używa zaawansowanych algorytmów rozpoznawania Tesseract 5
• Optymalizacja wydajności: Wbudowane wsparcie dla wielowątkowości
• Kompatybilność międzyplatformowa: Działa w systemach Windows, Linux i macOS

IronOCR zapewnia kompleksowe rozwiązanie łączące łatwość obsługi z zaawansowanymi funkcjami do wdrażania wielojęzycznego OCR. Twórz systemy zarządzania dokumentami, narzędzia do tłumaczenia lub dowolne aplikacje wymagające wielojęzycznego pozyskiwania tekstu, korzystając z elastyczności i niezawodności niezbędnych do osiągnięcia sukcesu.

Rozpocznij swój wielojęzyczny projekt OCR, pobierając IronOCR z NuGet oraz zapoznając się z naszą dokumentacją i przykładami. W przypadku konkretnych przypadków użycia lub zaawansowanych scenariuszy nasze przewodniki dotyczące rozwiązywania problemów zawierają wskazówki pozwalające uzyskać optymalne wyniki.