Gdy programiści muszą wyodrębnić tekst z dokumentów PDF i obrazów, na uwagę zasługują dwie opcje: oparta na chmurze usługa Azure AI Document Intelligence firmy Microsoft oraz lokalna biblioteka .NET firmy IronOCR. Oba rozwiązania oferują funkcje optycznego rozpoznawania znaków (OCR), ale znacznie różnią się pod względem modelu wdrożenia, struktury cenowej i łatwości implementacji.

IronOCR przetwarza dokumenty bezpośrednio na serwerze lub stacji roboczej — bez konta w chmurze, bez opłat za stronę i bez wysyłania danych poza Środowisko. Inteligencja dokumentów Azure wysyła pliki do infrastruktury chmurowej Microsoftu, pobiera opłaty za każdą przeanalizowaną stronę i wymaga aktywnego połączenia z Internetem. W niniejszym porównaniu przeanalizowano, w jaki sposób każde z rozwiązań obsługuje pliki PDF i TIFF, tworzy dokumenty PDF z możliwością wyszukiwania, obsługuje wiele języków oraz wpisuje się w proces tworzenia oprogramowania w środowisku .NET.

Zacznij korzystać z bezpłatnej wersji próbnej IronOCR, aby przetestować te możliwości w swoich własnych projektach.

Jak na pierwszy rzut oka porównać te dwa rozwiązania OCR?

Jakie są kluczowe różnice między przetwarzaniem OCR w chmurze a lokalnym?

Podstawowa różnica polega na tym, gdzie odbywa się ekstrakcja tekstu. Azure AI Document Intelligence (wcześniej Azure Form Recognizer) przetwarza dokumenty w infrastrukturze chmurowej firmy Microsoft. Programiści przesyłają pliki do portalu Azure lub wysyłają je za pośrednictwem interfejsu API Read, a usługa zdalnie analizuje obrazy i zeskanowane dokumenty. To podejście wymaga połączenia z Internetem, aktywnych poświadczeń Azure i wiąże się z kosztami za stronę, które rosną wraz z objętością dokumentu.

IronOCR działa całkowicie na lokalnym komputerze lub serwerze, dzięki czemu doskonale nadaje się dla organizacji z wymaganiami dotyczącymi prywatności danych lub środowisk odizolowanych. Biblioteka opiera się na Tesseract OCR — jednym z najczęściej używanych silników OCR typu open source — i dodaje do niego dopracowany interfejs API .NET. Biblioteka działa bez zewnętrznych wywołań API, dając programistom pełną kontrolę nad procesem przetwarzania dokumentów. W przypadku aplikacji desktopowych, aplikacji internetowych lub zadań przetwarzania wsadowego lokalne przetwarzanie eliminuje opóźnienia sieciowe i usuwa zależność od dostępności usług stron trzecich.

Usługi Azure Vision i Azure Form należą do szerszej grupy usług Azure AI. Funkcje wizji komputerowej w Azure umożliwiają analizę obrazów do ogólnych celów, natomiast Document Intelligence zajmuje się konkretnie wyodrębnianiem tekstu z dokumentów zawierających różne języki i o złożonym układzie. Organizacje, które już mocno zainwestowały w ekosystem Azure, mogą preferować tę integrację — jednak wiąże się ona z bieżącymi kosztami i zależnością od chmury.

Architektura IronOCR sprawdza się w sytuacjach, w których najważniejsze są przewidywalne koszty i suwerenność danych. Pojedyncza Licencja wieczysta obejmuje nieograniczone przetwarzanie stron, co oznacza, że aplikacje o dużej objętości stają się z czasem znacznie bardziej opłacalne w porównaniu z usługą chmurową opartą na płatności za stronę.

Jak zainstalować IronOCR za pomocą NuGet?

Przed napisaniem jakiegokolwiek kodu OCR musisz dodać pakiet NuGet IronOCR do swojego projektu .NET. Najprostsza metoda wykorzystuje konsolę menedżera pakietów NuGet:

Install-Package IronOcr

Alternatywnie można użyć interfejsu CLI platformy .NET:

dotnet add package IronOcr

Po zainstalowaniu należy ustawić klucz licencyjny przed wywołaniem jakichkolwiek metod IronOCR. Można to zrobić w kodzie uruchamiającym aplikację:

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Podczas tworzenia oprogramowania możesz skorzystać z 30-dniowego okresu próbnego bez wprowadzania klucza. Wersja próbna zawiera znaki wodne na wydrukach, ale poza tym jest w pełni funkcjonalna i służy do oceny.

Dla Inteligencja dokumentów Azure, potrzebujesz aktywnej subskrypcji Azure, utworzonego zasobu Document Intelligence w portalu Azure oraz osobno zainstalowanego pakietu NuGet Azure.AI.FormRecognizer. Musisz również bezpiecznie przechowywać i zarządzać adresami URL punktów końcowych oraz kluczami API w konfiguracji aplikacji.

Jak wyodrębnić tekst z plików PDF i TIFF?

Pobieranie tekstu za pomocą IronOCR

IronOCR udostępnia bezpośredni interfejs API do wyodrębniania tekstu z różnych formatów plików. Poniższy kod ilustruje przetwarzanie zeskanowanego pliku PDF przy użyciu instrukcji najwyższego poziomu w .NET 10:

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("document.pdf")
    Dim result = ocr.Read(input)

    Console.WriteLine($"Pages processed: {result.Pages.Length}")
    Console.WriteLine(result.Text)
End Using

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("document.pdf")
    Dim result = ocr.Read(input)

    Console.WriteLine($"Pages processed: {result.Pages.Length}")
    Console.WriteLine(result.Text)
End Using

Powoduje to załadowanie pliku PDF, przetworzenie wszystkich stron i wygenerowanie wyodrębnionego tekstu. Klasa OcrInput obsługuje dokumenty PDF, wielostronicowe pliki TIFF oraz standardowe formaty obrazów, w tym PNG, JPEG, JPG i BMP. Wymiary i jakość obrazu są obsługiwane automatycznie, a biblioteka stosuje wbudowane przetwarzanie wstępne obrazu w celu poprawy dokładności w przypadku skanów o niskiej jakości.

W przypadku plików TIFF — powszechnie stosowanych w procesach archiwizacji dokumentów — IronOCR obsługuje natywnie obrazy TIFF zawierające wiele klatek, wyodrębniając tekst z każdej klatki bez dodatkowej konfiguracji:

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("archive-scan.tiff")
    Dim result = ocr.Read(input)

    For Each page In result.Pages
        Console.WriteLine($"Frame {page.PageNumber}: {page.Text}")
    Next
End Using

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("archive-scan.tiff")
    Dim result = ocr.Read(input)

    For Each page In result.Pages
        Console.WriteLine($"Frame {page.PageNumber}: {page.Text}")
    Next
End Using

Wynik OCR

Możesz również zastosować filtry obrazu przed odczytem, aby zwiększyć dokładność przy trudnych skanach -- są dostępne deskewing, denoising, binarization i korekcja kontrastu poprzez API OcrInput.

Pobieranie tekstu za pomocą Inteligencja dokumentów Azure

W przypadku usługi Inteligencja dokumentów Azure należy najpierw utworzyć zasób w portalu Azure, skonfigurować poświadczenia uwierzytelniające i zainstalować zestaw SDK platformy Azure. Wywołanie Read API wykorzystuje operacje asynchroniczne:

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

Imports Azure
Imports Azure.AI.FormRecognizer.DocumentAnalysis
Imports System.IO

Dim client = New DocumentAnalysisClient(
    New Uri(endpoint),
    New AzureKeyCredential(key))

Using stream = File.OpenRead("document.pdf")
    Dim operation = Await client.AnalyzeDocumentAsync(
        WaitUntil.Completed, "prebuilt-read", stream)

    Dim result = operation.Value
    For Each page In result.Pages
        For Each line In page.Lines
            Console.WriteLine(line.Content)
        Next
    Next
End Using

Imports Azure
Imports Azure.AI.FormRecognizer.DocumentAnalysis
Imports System.IO

Dim client = New DocumentAnalysisClient(
    New Uri(endpoint),
    New AzureKeyCredential(key))

Using stream = File.OpenRead("document.pdf")
    Dim operation = Await client.AnalyzeDocumentAsync(
        WaitUntil.Completed, "prebuilt-read", stream)

    Dim result = operation.Value
    For Each page In result.Pages
        For Each line In page.Lines
            Console.WriteLine(line.Content)
        Next
    Next
End Using

Zarządzanie danymi uwierzytelniającymi, obsługa operacji asynchronicznych oraz przeglądanie struktury danych odpowiedzi zwiększają złożoność zadania. Każda przerwa w działaniu sieci lub zakłócenie w usłudze Azure może spowodować niepowodzenie zadania pobierania danych, co wymaga zastosowania logiki ponownej próby w aplikacjach produkcyjnych.

Które rozwiązanie pozwala tworzyć pliki PDF z lepszą funkcją wyszukiwania?

Konwersja zeskanowanych dokumentów do formatu PDF z możliwością wyszukiwania jest powszechnym wymogiem w zakresie archiwizacji dokumentów, zgodności z przepisami prawnymi oraz indeksowania w celu wyszukiwania pełnotekstowego. IronOCR zapewnia tę funkcję poprzez dedykowaną metodę SaveAsSearchablePdf:

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("scanned.pdf");
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created successfully.");

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("scanned.pdf");
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created successfully.");

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("scanned.pdf")
    Dim result = ocr.Read(input)
    result.SaveAsSearchablePdf("searchable-output.pdf")
End Using

Console.WriteLine("Searchable PDF created successfully.")

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("scanned.pdf")
    Dim result = ocr.Read(input)
    result.SaveAsSearchablePdf("searchable-output.pdf")
End Using

Console.WriteLine("Searchable PDF created successfully.")

Utworzono plik PDF z możliwością wyszukiwania

Narzędzie to przekształca każdy zeskanowany plik PDF w dokument z pełną funkcją wyszukiwania, umożliwiając użytkownikom wyszukiwanie, zaznaczanie i kopiowanie tekstu. Proces ten zachowuje wygląd oryginalnego dokumentu, jednocześnie osadzając w nim niewidoczną warstwę tekstową pochodzącą z wyników OCR. Jest to pojedyncze wywołanie metody, które obsługuje wszystko wewnętrznie.

Inteligencja dokumentów Azure nie umożliwia bezpośredniego tworzenia plików PDF z funkcją wyszukiwania. Aby uzyskać ten sam wynik z Azure, deweloperzy muszą wyodrębnić dane tekstowe z odpowiedzi API, a następnie użyć oddzielnej biblioteki PDF (takiej jak iText lub PDFSharp) do rekonstrukcji dokumentu z wbudowaną warstwą tekstową. Powoduje to dodatkowe zależności, wydłuża czas rozwoju i zwiększa obciążenie związane z utrzymaniem projektu.

W przypadku organizacji, które regularnie konwertują duże ilości zeskanowanych dokumentów — faktur, umów, dokumentacji historycznej — podejście oparte na jednej metodzie w IronOCR znacznie zmniejsza nakłady związane z integracją.

Jak wygląda porównanie cen przetwarzania dokumentów?

Struktura cenowa jest jedną z najważniejszych praktycznych różnic między tymi dwoma rozwiązaniami. Model płatności za stronę w Azure opiera się na konkretnym, gotowym modelu. Konsultuj oficjalną stronę cenową Azure Microsoft dla aktualnych stawek. Użytkownicy o dużym natężeniu ruchu mogą negocjować poziomy cenowe oparte na zobowiązaniach, ale koszty kumulują się w sposób ciągły tak długo, jak długo aplikacja działa.

Dla zespołu deweloperskiego przetwarzającego duże ilości stron miesięcznie, opłaty Azure rosną proporcjonalnie do objętości bez górnego limitu, chyba że ustalono kontraktowo.

IronOCR oferuje licencje wieczyste, których cena zaczyna się od jednorazowej opłaty dla pojedynczego programisty. Ta jednorazowa inwestycja obejmuje nieograniczoną liczbę przetwarzanych stron bez żadnych stałych opłat. Aby uzyskać pełne i aktualne informacje na temat cen, odwiedź stronę licencyjną IronOCR. W przypadku aplikacji analizujących tysiące dokumentów miesięcznie próg rentowności w stosunku do opłat Azure naliczanych za stronę jest zazwyczaj osiągane w ciągu pierwszych kilku miesięcy działania.

Oba rozwiązania obsługują optyczne rozpoznawanie znaków w przypadku tekstu drukowanego i odręcznego w wielu językach. IronOCR oferuje 125 pakietów językowych, w tym obsługę mieszanych języków w ramach pojedynczych dokumentów. Pliki danych językowych można pobrać pojedynczo lub w pakietach, w zależności od wymagań aplikacji.

Jak działa obsługa języków i wielojęzyczność?

Konfiguracja języków w IronOCR

IronOCR obsługuje ponad 125 języków dzięki plikom danych językowych Tesseract. Określasz język -- lub wiele języków -- podczas konfigurowania instancji IronTesseract:

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.EnglishBest

' For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French)

Using input As New OcrInput("multilingual-doc.pdf")
    Dim result = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.EnglishBest

' For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French)

Using input As New OcrInput("multilingual-doc.pdf")
    Dim result = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

Pakiety językowe są instalowane za pomocą oddzielnych pakietów NuGet -- na przykład IronOcr.Languages.French dla obsługi języka francuskiego. Dzięki temu podstawowa biblioteka pozostaje lekka, a jednocześnie pozwala na dodanie tylko tych języków, których wymaga dana aplikacja.

Dokumentacja językowa zawiera pełną listę dostępnych pakietów językowych oraz odpowiadające im nazwy pakietów NuGet. W przypadku dokumentów zawierających różne skrypty lub treści w nieznanych językach, IronOCR obsługuje również konfiguracje automatycznego wykrywania języka.

Obsługa języków w Inteligencja dokumentów Azure

Interfejs API odczytu usługi Inteligencja dokumentów Azure obsługuje ponad 100 języków drukowanych oraz podzbiór tych języków do rozpoznawania pisma ręcznego. Wykrywanie języka odbywa się automatycznie w chmurze — w większości przypadków programiści nie muszą wyraźnie określać języków. To automatyczne wykrywanie jest wygodne, ale zwiększa koszt za stronę i wymaga, aby wszystkie dokumenty były przesyłane na serwery Microsoftu.

W przypadku dokumentów zawierających informacje wrażliwe — dokumentacji finansowej, danych dotyczących opieki zdrowotnej, umów prawnych — wysyłanie treści do punktu końcowego w chmurze wiąże się z kwestiami zarządzania danymi, których lokalne przetwarzanie całkowicie pozwala uniknąć.

Jak radzisz sobie z przetwarzaniem dokumentów w partiach?

Przetwarzanie wsadowe za pomocą IronOCR

W przypadku procesów o dużej objętości IronOCR efektywnie obsługuje przetwarzanie wsadowe, wykorzystując standardową równoległość platformy .NET. Ponieważ biblioteka działa lokalnie, można uruchamiać wiele zadań OCR równolegle bez ograniczeń szybkości lub dławienia API:

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

Imports IronOcr
Imports System.Collections.Generic
Imports System.Threading.Tasks
Imports System.IO

Dim pdfFiles = Directory.GetFiles("input-folder", "*.pdf")
Dim results As New List(Of String)()

Await Task.WhenAll(pdfFiles.Select(Function(file) Task.Run(Async Function()
    Dim ocr As New IronTesseract()
    Using input As New OcrInput(file)
        Dim result = ocr.Read(input)
        SyncLock results
            results.Add(result.Text)
        End SyncLock
    End Using
End Function)))

Console.WriteLine($"Processed {results.Count} documents.")

Imports IronOcr
Imports System.Collections.Generic
Imports System.Threading.Tasks
Imports System.IO

Dim pdfFiles = Directory.GetFiles("input-folder", "*.pdf")
Dim results As New List(Of String)()

Await Task.WhenAll(pdfFiles.Select(Function(file) Task.Run(Async Function()
    Dim ocr As New IronTesseract()
    Using input As New OcrInput(file)
        Dim result = ocr.Read(input)
        SyncLock results
            results.Add(result.Text)
        End SyncLock
    End Using
End Function)))

Console.WriteLine($"Processed {results.Count} documents.")

Ten wzorzec przetwarza jednocześnie cały folder plików PDF, ograniczony jedynie zasobami procesora i pamięci komputera — a nie limitami szybkości API czy przepustowością sieci.

W przypadku bardziej zaawansowanych scenariuszy przetwarzania wsadowego przewodniki IronOCR obejmują wzorce przetwarzania zbiorczego, śledzenie postępów oraz zarządzanie wynikami.

Przetwarzanie wsadowe za pomocą Inteligencja dokumentów Azure

Inteligencja dokumentów Azure obsługuje przetwarzanie wsadowe, ale każdy dokument wymaga indywidualnego wywołania API lub użycia interfejsu API Batch Analyze Document. Zlecenia o dużej objętości podlegają limitom szybkości Azure — zazwyczaj 15 żądań na sekundę dla warstwy standardowej. Organizacje przetwarzające codziennie dziesiątki tysięcy dokumentów muszą wdrożyć kolejkowanie, logikę ponownych prób oraz zarządzanie przepustowością, aby nie przekraczać limitów usług.

Dla przewidywalnych, dużych obciążeń dostępne są poziomy cenowe oparte na zobowiązaniach, ale wymagają one zawarcia umów z góry i podlegają warunkom świadczenia usług firmy Microsoft.

Jakie są Twoje kolejne kroki?

IronOCR zapewnia programistom .NET prostą ścieżkę do dokładnego, lokalnego wyodrębniania tekstu z dokumentów bez zależności od chmury i opłat za stronę. Dla zespołów tworzących aplikacje przetwarzające pliki PDF, TIFF lub zeskanowane obrazy, model licencji wieczystej oraz tworzenie plików PDF z możliwością wyszukiwania za pomocą jednej metody zmniejszają zarówno koszty, jak i złożoność integracji w porównaniu z usługą OCR w chmurze.

Zacznij odkrywać możliwości IronOCR:

• Pobierz i zainstaluj IronOCR za pośrednictwem NuGet — pełny przewodnik instalacji i wymagania wstępne
• Przeczytaj poradniki — instrukcje krok po kroku dotyczące typowych zadań związanych z OCR
• Zobacz pakiety językowe — przeglądaj wszystkie ponad 125 obsługiwanych języków
• Odkryj tworzenie plików PDF z możliwością wyszukiwania — konwertuj zeskanowane dokumenty za pomocą jednego wywołania metody
• Zapoznaj się z licencjami IronOCR — jednorazowe licencje wieczyste dla osób fizycznych, zespołów i organizacji
• Przeglądaj przykłady kodu — gotowe do użycia w Twoim projekcie wzorce OCR z prawdziwego świata

Inteligencja dokumentów Azure pozostaje istotnym rozwiązaniem dla organizacji, które już zainwestowały w ekosystem Microsoftu lub potrzebują konkretnych, gotowych modeli formularzy. Jednak w przypadku prostych zadań OCR, tworzenia plików PDF z możliwością wyszukiwania oraz przewidywalnych kosztów operacyjnych, model przetwarzania lokalnego IronOCR i przyjazny dla programistów interfejs API sprawiają, że jest to lepszy wybór dla projektów .NET.