Latin Alphabet OCR in C# and .NET

This article was translated from English: Does it need improvement?
Translated
View the article in English

Mais 126 idiomas

IronOCR é um componente de software C# que permite aos programadores .NET ler texto de imagens e documentos PDF em 126 idiomas, incluindo o Alfabeto Latino.

Trata-se de uma versão avançada do Tesseract, criada exclusivamente para desenvolvedores .NET e que supera regularmente outros mecanismos do Tesseract em termos de velocidade e precisão.

Conteúdos de IronOcr.Languages.LatinAlphabet

Este pacote contém 64 idiomas de OCR for .NET:

  • LatinAlphabet
  • LatinAlphabetBest
  • LatinAlphabetFast

Baixar

Pacote de Idioma do Alfabeto Latino [latine]

Instalação

A primeira coisa que temos que fazer é instalar nosso pacote OCR do Alfabeto Latino no seu projeto .NET.

Install-Package IronOcr.Languages.LatinAlphabet

Exemplo de código

Este exemplo de código C# lê texto em Alfabeto Latino de uma imagem ou documento PDF.

// Install the IronOCR.languages.LatinAlphabet package first
using IronOcr;

var Ocr = new IronTesseract(); // Initialize IronTesseract instance

// Set the OCR language to LatinAlphabet
Ocr.Language = OcrLanguage.LatinAlphabet;

// Define the input image or PDF you want to read
using (var Input = new OcrInput(@"images\LatinAlphabet.png"))
{
    // Perform OCR reading on the input
    var Result = Ocr.Read(Input);

    // Extract the recognized text
    var AllText = Result.Text;

    // Output the recognized text
    Console.WriteLine(AllText);
}
// Install the IronOCR.languages.LatinAlphabet package first
using IronOcr;

var Ocr = new IronTesseract(); // Initialize IronTesseract instance

// Set the OCR language to LatinAlphabet
Ocr.Language = OcrLanguage.LatinAlphabet;

// Define the input image or PDF you want to read
using (var Input = new OcrInput(@"images\LatinAlphabet.png"))
{
    // Perform OCR reading on the input
    var Result = Ocr.Read(Input);

    // Extract the recognized text
    var AllText = Result.Text;

    // Output the recognized text
    Console.WriteLine(AllText);
}
$vbLabelText   $csharpLabel

Explicação

  1. Inicialização do IronTesseract: Uma instância de IronTesseract é inicializada, que irá lidar com o processamento de OCR.

  2. Configuração de Idioma: O idioma do OCR é definido para LatinAlphabet, que é um dos idiomas disponíveis no pacote IronOCR.

  3. Especificação de Entrada: Um objeto OcrInput é criado, especificando o caminho para a imagem ou PDF do qual o texto será extraído.

  4. Execução de OCR: O método Read da instância IronTesseract é chamado para processar o OcrInput. Isso retorna um objeto Result contendo o texto extraído.

  5. Extração de Texto: A propriedade Text do objeto Result é usada para acessar o texto reconhecido.

  6. Saída: O texto reconhecido é impresso no console para verificação.

Certifique-se de que o caminho do arquivo em OcrInput aponte corretamente para sua imagem ou arquivo PDF para evitar exceções de arquivo não encontrado.