Extração de dados de recibos por OCR (tutorial passo a passo)

Uma Breve Introdução ao OCR

Reconhecimento Óptico de Caracteres, ou OCR, é uma tecnologia que permite que computadores leiam e compreendam texto de imagens ou documentos digitalizados. Ao converter texto impresso em texto legível por máquina, o OCR permite que você armazene, processe e analise as informações contidas em documentos físicos.

2. Introdução ao IronOCR

IronOCR é uma biblioteca de OCR (Reconhecimento Óptico de Caracteres) para desenvolvedores C# e .NET. Ela permite que os desenvolvedores extraiam texto de imagens, PDFs, e outros formatos de documentos. IronOCR é construído sobre o popular motor de OCR Tesseract e adiciona funcionalidades adicionais, tornando-o uma escolha ideal para várias aplicações, incluindo OCR de recibos.

3. Benefícios de Usar o IronOCR para Extração de Dados

A seguir estão alguns benefícios chave de usar o IronOCR para extração de dados de recibos via OCR:

• Alta precisão: O IronOCR fornece excelente precisão no API de OCR, garantindo extração confiável de dados de recibos e outros documentos.
• Suporte multilíngue: O IronOCR suporta mais de 125 idiomas, tornando-o adequado para aplicações globais.
• Fácil de usar: A biblioteca oferece uma API simples e intuitiva, facilitando a implementação de funcionalidades de OCR em seus projetos.
• Personalizável: O IronOCR fornece várias opções para ajuste fino dos resultados de OCR, garantindo a extração de dados ideal para seu caso de uso específico.

4. Como o IronOCR Funciona

IronOCR emprega algoritmos avançados de OCR para reconhecer e extrair texto de imagens e documentos. Ele pode processar vários formatos, incluindo JPEG, PNG, TIFF e PDF. A biblioteca lê o arquivo de entrada, reconhece o texto dentro dele e gera o texto extraído como uma string, que pode então ser processada ou armazenada conforme necessário. O IronOCR também utiliza visão computacional para obter os melhores resultados.

5. Pré-requisitos para Usar o IronOCR

Para começar a usar o IronOCR para extração de dados de recibos, você deve primeiro instalar o pacote IronOCR. Isso pode ser feito facilmente através do NuGet, o gerenciador de pacotes for .NET. Basta abrir seu projeto no Visual Studio e seguir estas etapas:

1. Clique com o botão direito no seu projeto no Solution Explorer e selecione "Gerenciar Pacotes NuGet".
2. Na janela do Gerenciador de Pacotes NuGet, pesquise por "IronOCR".

3. Selecione o pacote IronOcr e clique em "Instalar".

   Pesquise pelo pacote IronOcr na interface do Gerenciador de Pacotes NuGet

6. Preparando a Imagem do Recibo

Antes de extrair dados do recibo, certifique-se de que as imagens do recibo são de alta qualidade para melhorar a precisão do processo do API de OCR de recibos. Aqui estão algumas dicas para capturar uma imagem de boa qualidade do seu recibo:

1. Use um documento digitalizado. Você pode usar um scanner de alta resolução para digitalizar recibos.
2. Certifique-se de que o recibo está bem iluminado e livre de sombras.
3. Endireite quaisquer dobras ou vincos no recibo, para que nenhuma informação chave fique oculta.

4. Certifique-se de que o texto no recibo está claro e não borrado, para melhorar o processamento do recibo.

   Imagem de Recibo Exemplar para extração de texto

7. Realizando OCR na Imagem do Recibo

Com o IronOCR instalado e a imagem do seu recibo pronta, é hora de realizar o processo de OCR. No seu aplicativo .NET, use o seguinte trecho de código:

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

    // Output the recognized text to the console
    Console.WriteLine(result.Text);
}

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

    // Output the recognized text to the console
    Console.WriteLine(result.Text);
}

using IronOcr;

using IronOcr;

var ocr = new IronTesseract();

var ocr = new IronTesseract();

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

var result = ocr.Read(ocrInput);

var result = ocr.Read(ocrInput);

Console.WriteLine(result.Text);

Console.WriteLine(result.Text);

Ajustando os Resultados do OCR

O IronOCR oferece várias opções para melhorar a precisão e o desempenho do OCR. Isso inclui o pré-processamento da imagem, ajuste das configurações do motor de OCR e escolha do idioma apropriado para o seu recibo.

using IronOcr;

// Initialize the IronTesseract class
var ocr = new IronTesseract();

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

using IronOcr;

// Initialize the IronTesseract class
var ocr = new IronTesseract();

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

ocr.Configuration.Language = OcrLanguage.English;

ocr.Configuration.Language = OcrLanguage.English;

Extraindo Dados dos Resultados do OCR

Com o processo de OCR concluído, é hora de extrair informações específicas do texto. Dependendo de suas necessidades, você pode querer extrair dados como:

1. Nome e endereço da loja.
2. Data e hora da compra.
3. Nomes dos itens e preços.
4. Subtotal, imposto e valor total.

Para fazer isso, você pode usar expressões regulares ou técnicas de manipulação de strings no seu aplicativo .NET. Por exemplo, você pode extrair a data do resultado do OCR usando o seguinte trecho de código:

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

Você pode criar padrões semelhantes para outras informações que você precisa extrair do recibo.

Conclusão

Em conclusão, o OCR de Recibos usando o IronOCR é uma solução inovadora e eficiente para digitalizar e gerenciar seus dados financeiros. Com o IronOCR, você pode substituir a entrada manual de dados. Seguindo este guia passo a passo, você pode aproveitar o poder do IronOCR para melhorar seu acompanhamento de despesas e análise de dados. A melhor parte é que o IronOCR oferece uma versão de teste gratuita, permitindo que você experimente suas capacidades sem nenhum compromisso.

Após o período de teste, se você decidir continuar usando o IronOCR, a licença começa a partir de $799, proporcionando uma maneira econômica de aproveitar os benefícios da tecnologia de OCR em suas aplicações.