Używanie IronOCR z asystentami kodowania AI

Curtis Chau
Curtis Chau
Zaktualizowano: 9 października 2026

IronOCR to komercyjna biblioteka OCR dla .NET z ponad sześcioma milionami pobrań NuGet. Jej samouczki, przewodniki i notatki dotyczące rozwiązywania problemów są publiczne od lat, co oznacza, że asystenci kodowania zazwyczaj mieli je w swoich danych szkoleniowych.

Ta znajomość nie obejmuje, która wersja projektu jest używana. Asystent, który czyta dokumentację IronOCR, ma większą szansę napisać kod OCR, który buduje i zwraca dokładny tekst. Udostępnić dokumentację przed pierwszym żądaniem.

Te narzędzia dzielą się na dwie kategorie, które różnią się tym, co robią przed przejrzeniem wyniku.

  • Asystent działa w jednej części procesu pracy. Uzupełnia linię, wyjaśnia metodę lub wprowadza drobne poprawki, tak jak sugestie inline GitHub Copilot.
  • Agent podejmuje zadania wieloetapowe, edytuje pliki, uruchamia budowę i testy, oraz zatwierdza wynik do przeglądu, tak jak robią to Claude Code, ChatGPT Codex, Cursor i Google Antigravity.

Ustawienie jest identyczne dla obu. Zainstaluj pakiet, zastosuj klucz licencyjny z zmiennej środowiskowej, dostarcz maszynowo czytelną dokumentację IronOCR i sprawdź każdą wyodrębnioną wartość w porównaniu do strony, której treść już znasz. To dotyczy zarówno obrazów, jak i zeskanowanych PDF-ów, oraz sprawiania, by skan był przeszukiwalny, czytania wielu języków, wyodrębniania kodów kreskowych z tego samego odczytu, czy poprawiania niskiej jakości skanu.

Claude Code AI coding agent logoChatGPT Codex AI coding agent logoGitHub Copilot AI coding assistant logoCursor AI code editor logoGoogle Antigravity AI coding agent logo

Czy mój AI asystent nie może obsługiwać OCR samodzielnie?

Bez dokumentacji asystent polega na dowolnym kodzie OCR, który pochłonął podczas szkolenia, co często łączy ustawienia z surowych opakowań Tesseract lub wcześniejszej wersji IronOCR.

IronOCR publikuje dokumentację zbudowaną z myślą o narzędziach do czytania, w tym samouczki, przewodniki i ponad pięćdziesiąt artykułów dotyczących rozwiązywania problemów. Po załadowaniu asystentowi dokumentacja pokazuje, jak IronTesseract, OcrInput i OcrResult pasują do siebie.

Wybór silnika nadal ma znaczenie. Darmowe opakowania Tesseract dobrze radzą sobie z czystą, prostą stroną po angielsku.

  • Czytelny wynik nie gwarantuje prawidłowego wyniku: wynik OCR może być płynnie czytany, a mimo to zamienić 589,50 na 580,50. OcrResult raportuje wskaźnik pewności dla każdego słowa, aby pokazać, gdzie szukać.
  • Skanowania wymagają przygotowania: krzywe, hałaśliwe lub niskiej rozdzielczości strony słabo się czytają w jakimkolwiek silniku. OcrInput zawiera filtry, które prostują stronę, usuwają szumy, podnoszą rozdzielczość i więcej.
  • Ręczne dostrajanie silnika jest kosztowne: każda próba, którą asystent podejmuje przy surowych ustawieniach Tesseract, zużywa żetony na pracę, którą biblioteka już wykonuje, a koszt pojawia się przy każdym nowym typie dokumentu.
  • Pakiet zależy od platformy: IronOcr obejmuje Windows, IronOcr.MacOs obejmuje Intel Mac, a IronOcr.MacOs.ARM obejmuje chipy Apple. Asystent może również wymyślić prawdopodobną nazwę pakietu, a atakujący rejestrują takie nazwy z złośliwym kodem, co jest praktyką zwaną slopsquatting. Nazwij pakiet w poleceniu.
  • Licencjonowanie jest przewidywalne: usługi OCR w chmurze często rozliczają się za stronę lub za wezwanie, a asystent nie wspomni o tych warunkach samodzielnie. IronOCR działa lokalnie na wieczystej komercyjnej licencji, której cena zależy od deweloperów, lokalizacji i projektów, bez naliczania za stronę.

Krok 1: Zainstalować IronOCR

Gdy istnieje odwołanie do pakietu, asystent może zobaczyć rzeczywiste typy IronOCR podczas generowania kodu.

Install the IronOcr NuGet package into this project and confirm it restores.
Text

Zaawansowany przewodnik instalacji NuGet wymienia inne opcje instalacji.


Krok 2: Zastosować klucz licencyjny

IronOCR nie ma trybu niewlicencjonowanego z znakiem wodnym. Konstrukcja IronTesseract bez klucza się powiedzie, ale pierwszy odczyt wyrzuci IronSoftware.Exceptions.LicensingException z wiadomością "Wymagana licencja produkcyjna". Klucz, który jest obecny, ale błędnie wpisany, powoduje wygenerowanie "Nie rozpoznano klucza licencyjnego" z tego samego wywołania. Można uzyskać bezpłatny klucz próbny poniżej.

Rozpocznij korzystanie z IronOCR we własnym projekcie już dziś z darmową wersją próbną.

Pierwszy krok:
arrow pointer

Ustawić IronOcr.License.LicenseKey na starcie aplikacji, przed jakimkolwiek innym wywołaniem IronOCR, i odczytać go ze zmiennej środowiskowej IRONOCR_LICENSE_KEY, aby nigdy nie wszedł do kontroli źródła. Ta sama klasa ma również metodę, która testuje ciąg klucza bez jego zastosowania.

Uwaga: Klucze licencyjne IronOCR obejmuje inne miejsca do przechowywania klucza, w tym Web.config i appsettings.json.

Krok 3: Skierować swojego asystenta do dokumentacji LLM IronOCR

Gdy zadanie zależy od szczegółów jednego przewodnika, poproś asystenta o otwarcie strony tego przewodnika.

Podaj bezpośrednią instrukcję wraz z indeksem.

Before writing any IronOCR code, read https://ironsoftware.com/ocr/csharp/llms.txt
and use only APIs documented there. A read is assembled on an OcrInput, whose
Load overloads differ by source type, and run through IronTesseract.Read.
Confirm the overload you pick against
https://ironsoftware.com/ocr/csharp/object-reference/api/, and if you cannot find
it, say so instead of guessing.
Text

Krok 4: Dodać kontekst IronOCR do projektu

Umieścić zasady IronOCR w dowolnym pliku, który zespół już przechowuje. Claude Code czyta CLAUDE.md, GitHub Copilot czyta .github/copilot-instructions.md, a ChatGPT Codex i Google Antigravity czytają AGENTS.md. Cursor czyta .cursor/rules/*.mdc lub AGENTS.md, a tylko jego plik z zasadami potrzebuje frontmatter MDC. Użyć poniższego jako punktu wyjścia.

## OCR with IronOCR

This project uses IronOCR (NuGet package `IronOcr`, or `IronOcr.Linux` for Linux and Docker, namespace `IronOcr`) for all OCR work.

- Reference: https://ironsoftware.com/ocr/csharp/llms.txt
- Skill file: https://ironsoftware.com/ocr/csharp/skill.md
- Read with `IronTesseract` and an `OcrInput` inside a `using` block, and use the `OcrResult` it returns.
- Read the license key from the IRONOCR_LICENSE_KEY environment variable at startup. Never inline it.
- Every OCR change must be tested against sample pages whose text is known, reporting the values read and their confidence.
- Do not add another OCR engine or a cloud OCR service. If IronOCR cannot do something, say so.
Markdown

Przykładowy jednoplikiowy plik umiejętności wciąż przypina IronOcr 2026.7.2, podczas gdy NuGet teraz udostępnia 2026.10.2. Mówi również, aby utrzymać wszystkie pakiety Iron w tej samej wersji, czego pakiety językowe nie mogą zrobić, ponieważ IronOcr.Languages.German ostatnio opublikowano jako 2020.11.2. Jego jednoliniowy przepis ConvertToSearchablePdf wywoływał wyjątki na skanowanych wyłącznie obrazach PDF w naszych testach, podczas gdy ładowanie PDF, odczytywanie go i wywołanie SaveAsSearchablePdf na wyniku działało.


Krok 5: Jednorazowy monit konfiguracji

Wszystko od Kroków 1 do 4 można wysłać w jednej wiadomości.

Use IronOCR for all OCR work in this project.

1. Install the IronOcr NuGet package (IronOcr.Linux when the app runs on Linux or Docker).
2. Apply the license key at application startup, before any other IronOCR call,
   reading it from the IRONOCR_LICENSE_KEY environment variable. Never write
   the key into source or into a committed file.
3. Read https://ironsoftware.com/ocr/csharp/llms.txt before writing OCR code
   and work only from APIs documented there, checking the API reference when a
   member is unfamiliar.
4. Load https://ironsoftware.com/ocr/csharp/skill.md if your tooling supports skill files.
5. Keep these instructions for future sessions in this project.
Text

Krok 6: Wzorce monitów, które produkują działający kod

Słabe wyniki zwykle wynikają z poleceń, które pozostawiają asystentowi przestrzeń na domysły.

Nazwij dane wejściowe, pola i język.

Niewyraźny Odczytaj faktury za pomocą IronOCR.

Lepszy Użycie IronTesseract z OcrInput, który ładuje każde zeskanowane PDF, odczytaj numer faktury i linię zaczynającą się od Kwota należna, a następnie zwróć kwotę z pewnością tej linii.

Podaj także wersję i framework.

Lepszy Cel w .NET 9 z IronOcr 2026.9.4.

Zażądać całego pliku.

Lepszy Zwróć kompletny Program.cs, wraz z dyrektywami i ustawieniami licencji, gotowy do kompilacji bez edycji.


Krok 7: Zweryfikuj, co otrzymujesz z powrotem

Zwrócić uwagę na te częste błędy.

  • OCR na PDF, który już ma tekst: wyodrębnienie prawdziwej warstwy tekstowej jest szybsze i dokładniejsze niż uruchamianie OCR na stronach. Sprawdzić najpierw warstwę tekstową i uruchomić OCR tylko na zeskanowanych stronach.
  • Każdy filtr naraz: nakładanie jednej korekty na czystą stronę może obniżyć dokładność i zawsze dodaje czas. Na gęstym zestawie faktur w naszych próbnych uruchomieniach, DeNoise zamienił ostatnią cyfrę 1 z obróconego numeru faktury na 4, a dodanie Dilate wyleczyło tę stronę, ale kosztem innych zestawów jeden do trzech wierszy. Zastosuj tylko filtr, który naprawia zauważony defekt. Plik umiejętności IronOCR daje tę samą radę, a przewodnik dotyczący korekty jakości obrazu opisuje, kiedy każdy filtr się stosuje.

Pozwolić agentowi weryfikować swoją własną pracę

Build and run this project in Release. Confirm that every IronOCR member you used
appears in the documentation, that IronOcr.License.IsLicensed returns true, and
that every sample page reads back with the values it is known to contain.
Report the build result and a table of page, expected value, value read, confidence, and match.
Text

Jak czytasz języki inne niż angielski?

Angielski to jedyny język w pakiecie IronOcr. Lista języków IronOCR obejmuje 125. Podaj te fakty asystentowi.

  • Inny język potrzebuje swojego pakietu, na przykład IronOcr.Languages.German, a potem Language = OcrLanguage.German.
  • Bez dostępu do NuGet użyj pliku .ocrdata i Installation.LanguagePackDirectory.
  • Warianty Fast i Best, takie jak OcrLanguage.GermanFast, dostarczane są w tym samym pakiecie.
  • Dla strony w kilku językach wywołaj AddSecondaryLanguage, zaczynając od najbardziej powszechnego.
  • Tablice finansowe wymagają OcrLanguage.Financial z IronOcr.Languages.Financial.
  • Model trenowany gdzie indziej ładowany jest przez UseCustomTesseractLanguageFile z plikiem .traineddata.

Brakujący pakiet powoduje wyjątek LanguagePackException przy pierwszym odczycie. Jego wiadomość podaje dokładną nazwę pakietu NuGet i alternatywę .ocrdata, więc należy poprosić asystenta o zainstalowanie tego, co określa wiadomość.

Szybki przewodnik konfiguracyjny IronOCR raportuje 17% zysk z EnglishFast w połączeniu z wyłączeniem odczytu kodów kreskowych. Na dziesięciu naszych stronach sam ten wariant pozostał w ramach szumu z uruchomień w języku angielskim, więc należy przetestować warianty na swoich stronach przed zamianą dokładności na prędkość.

Publikacja ClickOnce pomija pliki .ocrdata języków wtórnych, co wyjaśnia uwaga ClickOnce. Na Windows dodanie EnglishFast jako języka wtórnego może zatrzymać się na dużych PDF-ach w wersjach 2025.12.3 do 2026.7.2, co pokazuje ten wpis dotyczący rozwiązywania problemów.


Które ustawienia IronOCR są domyślnie włączone?

Kod generowany często ustawia wartości, które są już domyślne, lub pomija ustawienie, które jest domyślnie wyłączone. To są wartości początkowe w IronOcr 2026.9.4, odczytane z nowego IronTesseract.

UstawienieDefaultZmień to na
LanguageAngielskiInne języki
Configuration.ReadBarCodeswyłączoneKody kreskowe
Configuration.ReadDataTableswyłączoneStruktura tabeli
Configuration.RenderSearchablePdfwłączonePomijanie przeszukiwalnego wyniku
Configuration.RenderHocrwyłączoneWynik hOCR
Configuration.PageSegmentationModeAutoOsdPrzycięcia jedno-liniowe lub jedno-słowowe
Configuration.EngineModeLstmOnlyRzadko
Configuration.WhiteListCharacters i BlackListCharacterspustyWąskie zestawy znaków
Configuration.TesseractVariablestrzy wstępne wpisySurowe zmienne Tesseract
MultiThreadedwłączoneRzadko
MaxDegreeOfParallelismEnvironment.ProcessorCountDuże partie braku pamięci
OcrInput.TargetDPI0Skanowania niskiej rozdzielczości

Poza standardowym odczytem, IronTesseract dostarcza czytniki dostrojone do innego wejścia. ReadPhoto obsługuje fotografie dokumentów, a ReadScreenShot obsługuje zrzuty ekranu. Samouczek dotyczący dokumentów specjalistycznych nadal wymienia IronOcr.Extensions.AdvancedScan dla nich, ale ten pakiet ostatnio został wydany w 2025 i żaden z czytników nie potrzebował go. Ten sam samouczek obejmuje również czytniki paszportów i tablic rejestracyjnych.


Wynik, który można powtórzyć

Uwaga: Uruchomienie polecenia wymaga nowej sesji, .NET SDK, połączenia sieciowego, asystenta z dostępem do terminala i klucza próbnego lub produkcyjnego IronOCR.

Monit

Build a .NET 9 console app that reads totals from scanned invoices. Start in an empty folder; if it already holds code or project files, stop and report. Work start to finish alone: write, build, run, and fix, making sensible assumptions where anything is unspecified. Save every deliverable under the project root, in the folders named below.

1. Install the IronOcr NuGet package pinned to version 2026.9.4.
2. Read https://ironsoftware.com/ocr/csharp/llms.txt and the pages it links to, and use only IronOCR APIs documented there for the OCR work. Any .NET imaging library may draw the test images.
3. Read the license key from the IRONOCR_LICENSE_KEY environment variable at startup and never write it into source or any output file. If IronOcr.License.IsLicensed is false, stop and report that.
4. With random seed 2026, generate testset/invoice-01.png to invoice-10.png. Each is a US Letter page of exactly 1700 x 2200 pixels, saved as PNG with 200 DPI in the file metadata, with all text in Arial inside 0.75 inch margins, headings at 14 point bold and everything else at 11 point. Each invoice has an invoice number made of INV- and six random digits, a customer name, three line items with random prices in dollars and cents, and a total equal to their sum, with no two totals alike.
5. Rotate invoice-02 and invoice-07 by 3 degrees about the page center, keeping the 1700 x 2200 canvas. Add speckle noise to invoice-04 and invoice-09: dark square specks 1 or 2 pixels wide, placed anywhere including over the text, until they have darkened 1% of the page's pixels, counting a pixel as dark below 128 of 255. Leave the other six clean. Write manifest.csv with each file, invoice number, the three prices, total, and distortion (none, rotated, or speckled).
6. Before the first OCR call, check every saved image: 1700 x 2200 pixels, 200 DPI when rounded, and, measured on each page before distortion, the smallest distance from any ink to an edge, at least 0.75 inch. On each speckled page, check that speckling raised the share of dark pixels by 0.9 to 1.1 percentage points. Also draw a capital H with the 11 point font on a 200 DPI bitmap and check that its ink is 21 to 23 pixels tall. If a check fails, fix the generator. After the first OCR call, never regenerate or change the saved image files; filters applied in memory are expected.
7. Read all 10 images in one OcrInput with one set of filters for every page. Each run of the program uses one filter set; it must not try several or choose between them, and choosing filters is your job between runs. No manifest value, file name, or expected value may steer the OCR or the parsing of its text; read the manifest only to write roundtrip.md. The reader must hold no invoice number, price, or total as a literal and must run the same code for every page. Extract each page's invoice number and total, save each page's OCR text as ocr/invoice-01.txt to invoice-10.txt, and save the result as invoices-searchable.pdf.
8. Build in Release and run.
9. Write roundtrip.md: the step 6 checks as measured numbers for every image, not pass or fail words, the filter set used, then a table of file, distortion, expected invoice number, invoice number read, expected total, total read, the Confidence (0 to 100) of the OCR line holding the total or n/a, and match, then the page count of invoices-searchable.pdf loaded back with OcrInput. A row matches only when the invoice number read is identical to the expected one and the total read equals the expected total to the cent.
10. All 10 rows must match and the PDF must have 10 pages. If not, read the saved OCR text of the failing pages, change the filter set or the reader, rebuild, and run again. If rows still fail after eight such runs, stop and report which rows failed, the filter sets tried, and why.
11. Finish with a short report: build result, match count, filters used, font sizes used, and assumptions made.
Text

Wynik

Speckled test invoice that IronOCR read correctly in the acceptance test run

Jest to faktura-09, jedna z dwóch nakrapianych stron z tego uruchomienia, przycięta do obszaru wydruku. Zwykły odczyt pasował do 8 z 10 faktur i pominął obie nakrapiane strony, zwracając numer tej faktury jako ANV-938066, a samo Deskew nie dało lepszego wyniku. Po dodaniu DeNoise IronOCR zwróciło INV-939066 i 1731,53 przy pewności 41,45 na linii całkowitej, najniższym z uruchomienia. Inna nakrapiana linia całkowita została odczytana przy 63,86, a czyste strony przy około 95. Claude Code wybrał te dwa filtry w swoim pierwszym szkicu i zachował je przez wszystkie pięć uruchomień programu.

  • Niezależna kontrola zmierzyła każdy wymóg ponownie i wszystkie 10 faktur pasowało.
  • ChatGPT Codex z GPT-6 Luna również dopasował 10 z 10 na tym samym poleceniu.
  • roundtrip.md jest opublikowane bez edycji, a invoice.png w zmniejszonym rozmiarze.

Co przechodzi

  • Nie była potrzebna żadna edycja kodu.
  • Otwieranie dowolnego obrazu pokazuje mały tekst, z niczym nieodciętym na krawędziach i plamkami na tekście, jak i na marginesach.
  • Każdy numer faktury i łączna wartość w roundtrip.md również pojawiają się w zapisanym tekście OCR tej strony.
Uwaga: Changelog IronOCR wymienia, co zmieniła każda wersja.

Rekord uruchomienia

  • Maszyna działa na Windows 11 x64 na Core i9-14900KF z 64 GB pamięci.
  • Każdy projekt celuje w .NET 9.
  • Ten przewodnik, Copilot i Cursor uruchomili IronOcr 2026.9.4, podczas gdy Claude Code, Codex i Antigravity uruchomili 2026.10.2. Copilot dodał IronOcr.Linux 2026.9.4, a Codex, Cursor i Antigravity dodały IronOcr.Languages.German 2020.11.2.
  • Ostatnio testowane 8 października 2026 z uruchomieniem Cursor. Każde inne uruchomienie jest z 6 października.
PrzewodnikAsystent i wersjaModelCzas trwania (minuty)
Ten przewodnikClaude Code 2.1.277, monity dotyczące uprawnień wyłączoneClaude Opus 520.8
Claude CodeClaude Code 2.1.277Claude Sonnet 59.4
ChatGPT CodexCodex CLI 0.160.0GPT-6 Luna27.7
GitHub CopilotTryb agenta Copilot w VS Code 1.140GPT-6 Luna, trasowane przez Auto22.0
CursorAplikacja desktopowa Cursor 3.23.23Grok 4.783.5
Google AntigravityAntigravity CLI 1.3.0Gemini 3.8 Flash (Wysoka)32.7

Przewodniki specyficzne dla agenta

Dla kroków, które pasują do jednego narzędzia, należy otworzyć jego przewodnik.


Rozwiązywanie problemów


Pytania?

Jeśli są jakiekolwiek pytania, należy skontaktować się z support@ironsoftware.com

Curtis Chau posiada tytuł licencjata z informatyki (Uniwersytet Carleton) i specjalizuje się w front-endowym rozwoju, z ekspertką w Node.js, TypeScript, JavaScript i React. Pasjonuje się tworzeniem intuicyjnych i estetycznie przyjemnych interfejsów użytkownika, Curtis cieszy się pracą z nowoczesnymi frameworkami i tworzeniem dobrze zorganizowanych, atrakcyjnych wizualnie podręczników.

Czytaj więcej

Gotowy, aby rozpocząć?

Pobrania z NuGet 6,394,824Wersja:2026.11właśnie wydane