IronOCR 和 Abbyy Finereader 之間的比較

1.1 ABBYY FineReader PDF — 介紹和特性

ABBYY FineReader PDF 是 ABBYY 創建的光學字符識別 (OCR) 應用程序。 它允許我們將圖像文檔（圖片、掃描件、PDF 文件）和屏幕截圖轉換為可編輯的文件格式，例如 Microsoft Word、Microsoft Excel、Microsoft PowerPoint、富文本格式、HTML、PDF/A、可搜索 PDF、CSV 和文本（純文本）。

ABBYY FineReader 是一種桌面應用程序，適用於 Windows、Linux 和 macOS。 它還允許為 PDF 文件創建可編輯格式。 我們可以像使用 Adobe Acrobat 一樣閱讀 PDF 文檔。 ABBYY FineReader 將掃描文檔集成到數字化工作流程中。

以簡單高效的方式管理和完成文檔，以節省時間和精力。 以同樣方法處理任何文檔，無論它是以電子方式創建的還是從紙質轉換的。 您可以更改 PDF 的文本、表格和整個佈局，而無需先轉換它。

ABBYY FineReader PDF 能夠從超過 25 種不同的文件格式創建 PDF，直接從紙質文檔創建或通過將其打印到 PDF 打印機的幾乎任何應用程序中創建。 支持 PDF/A-1 至 PDF/A-3 進行長期歸檔，PDF/UA 確保使用輔助軟件（如屏幕閱讀程序）時內容可訪問。 它還使專業人士可以在數字化工作環境中最大化效率。

使用 ABBYY FineReader 創建和更新您自己的互動式 PDF 表單，以成功收集信息和標準化文檔。 通過結合各種類型的互動字段、設置動作、編輯現有 PDF 表單或向常規 PDF 添加表單元素來創建表單。

ABBYY FineReader 能夠立即將紙質文檔、掃描件和掃描 PDF 轉換為可搜索的 PDF，使您能夠從數字化檔案中檢索文檔並訪問其中包含的信息。 FineReader PDF 支持所有合規級別和 PDF/A 標準的變體，這是長期保存的行業標準，從 PDF/A-1 到 PDF/A-3。

ABBYY 最新的基於人工智能的 OCR 技術 FineReader PDF 使其更容易在相同的工作流程中數位化、檢索、編輯、保護、共享和協作各類文件。 FineReader 還包括文檔比較工具，幫助我們比較原始文檔以及已轉換的 PDF 和圖像文件。

1.2 IronOCR — 介紹和特性

IronOCR 為使用 IronOCR for .NET 的工程師提供軟件，以便在 .NET 應用程序和網站中從照片和 PDF 中讀取文本內容。 它掃描照片上的文本和條形碼，並支持多種國際語言； 然後它可以以純文本或結構化數據的形式提供輸出。 Iron Software 的 OCR 庫可用於 MVC、Web、控制台和桌面 .NET 應用程序。 對於商業部署，提供許可證並可從開發團隊獲得直接支持。

• 使用最新的 Tesseract 5 引擎，IronOCR 從任何圖片或 PDF 格式中讀取文本、條形碼和 QR 碼。 該庫能夠快速將 OCR 添加到桌面、控制台和 Web 應用程序。
• IronOCR 支持 125 種國際語言。 它還支持自定義語言和字詞列表。
• IronOCR 可以讀取超過 20 種條形碼格式和 QR 碼。
• IronOCR 支持多頁 GIF 和 TIFF 圖像格式。
• IronOCR 提供低質量掃描圖像的校正。
• IronOCR 支持多執行緒——它一次執行一個或多個進程。
• IronOCR 可以提供頁面、段落、行、詞、字元等的結構化數據輸出。
• IronOCR 支持多種操作系統，如 Windows、Linux、macOS 等。

3.1 安裝 ABBYY FineReader PDF

我們可以在此處下載 ABBYY FineReader。

class="content-img-align-center">

class="center-image-wrapper">

上圖顯示您可以根據需求下載兩個版本，分別是個人版和商業版。 選擇“下載免費試用版”選項。 它會跳轉到如下圖所示的表單：

class="content-img-align-center">

class="center-image-wrapper">

我們需要填寫表格以獲取 EXE 文件位置。 單擊下載選項以下載文件。

文件下載完成後，我們可以雙擊 EXE 文件開始安裝。 安裝完成後，它會顯示一個彈出消息，現在已準備好使用。

3.2 安裝 IronOCR

IronOCR 庫可以通過四種方式下載和安裝。

它們是:

• 使用 Visual Studio
• 使用 Visual Studio 命令行
• 從 NuGet 網站直接下載
• 從 IronPDF 網站直接下載

3.2.1 使用 Visual Studio

Visual Studio 软件提供 NuGet 包管理器选项以将包直接安装到解决方案中。 以下截圖顯示如何打開 NuGet 包管理器。

class="content-img-align-center">

class="center-image-wrapper">

它提供了一個搜索框，可以顯示來自 NuGet 網站的軟件包列表。在程序包管理器中，我們需要搜索關鍵字 IronOCR，如下圖所示：

class="content-img-align-center">

class="center-image-wrapper">

從上圖中，我們可以得到相關搜索項的列表。 我們需要選擇所需的選項以將包安裝到解決方案。

3.2.2 使用 Visual Studio 命令行

在 Visual Studio 中，转到工具 -> NuGet 包管理器 -> 包管理器控制台

在程序包管理器控制台選項卡中輸入以下行：

Install-Package IronOcr

該命令將下載並安裝該包到當前項目中，該項目將隨時可以使用。

3.2.3 從 NuGet 網站直接下載

第三種方法是直接從網站下載 NuGet 包。

• Navigate to the Link.
• 從右側菜單中選擇下載包選項。
• 雙擊下載的包。 它將自動安裝。
• 接下來，重新加載解決方案並開始在項目中使用它。

3.2.4 從 IronOCR 網站直接下載

Click the link here to download the latest package direct from the website. Once downloaded, follow the steps below to add the package to the project.

• 右鍵單擊解決方案窗口中的項目。
• 然後，選擇“添加引用”選項並瀏覽下載引用的位置。
• 接下來單擊確定以添加引用。

4.1 使用 ABBYY FineReader PDF

接下來，打開 ABBYY FineReader PDF 應用程序，會有多個選項出現，如下圖所示。

class="content-img-align-center">

class="center-image-wrapper">

接下來，從 OCR 編輯器選項中選擇“打開”選項。 這將提示選擇圖像文件的選項：

class="content-img-align-center">

class="center-image-wrapper">

選擇文件後，它會自動開始掃描圖像到可編輯文本，然後在窗口中顯示結果，如下面的屏幕截圖所示：

class="content-img-align-center">

class="center-image-wrapper">

上圖顯示源圖像轉換為可編輯文本。 然而，結果並不太準確。 ABBYY FineReader PDF 應用程序未識別出一些數字。這清晰地顯示在比較窗口中——左邊是源圖像，右邊是 OCR 轉換的文本。

4.2 使用 IronOCR

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create a new OcrInput object to manage input images
using (var Input = new OcrInput())
{
    // Add an image to the input for processing
    Input.AddImage(@"3.png");

    // Perform OCR to read text from the image
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
    Console.ReadKey();
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create a new OcrInput object to manage input images
using (var Input = new OcrInput())
{
    // Add an image to the input for processing
    Input.AddImage(@"3.png");

    // Perform OCR to read text from the image
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
    Console.ReadKey();
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create a new OcrInput object to manage input images
Using Input = New OcrInput()
	' Add an image to the input for processing
	Input.AddImage("3.png")

	' Perform OCR to read text from the image
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
	Console.ReadKey()
End Using

上面展示了 Tesseract 5 API，它允許我們將圖像文件轉換為文本。 我們正在上面的代碼片段中創建一個 IronTesseract 實例。 我們還使用了 OcrInput 物件，允許我們添加一個或多個圖像文件。 當利用 OcrInput 物件方法AddImage時，我們必須在代碼內提供可用圖像的路徑。 可以添加任意多的圖像。 在我們之前構建的 IronTesseract 物件中，函數Read可以用來執行 OCR，解析圖像文件並將結果提取到 OCR 結果中。 它能夠從圖像中提取文本並將其轉換為字符串。

我們還可以使用 Tesseract 添加多幀圖像。 AddMultiFrameTiff 是這個操作的不同方法。 Tesseract 庫會讀取圖像中的每一幀，每幀被視為一個獨立的頁面。 該過程將讀取圖像的第一幀，然後進入下一幀，依此類推，直到完成對圖像所有幀的掃描。 該方法僅支持 tiff 圖像格式。

class="content-img-align-center">

class="center-image-wrapper">

上圖是 IronOCR 的結果輸出，準確地顯示數據正確轉換為可編輯文本。

5.1 使用 ABBYY FineReader PDF

打開 ABBYY FineReader PDF 軟件。 這將打開如下面圖片所示的頁面，提供多個選擇。

class="content-img-align-center">

class="center-image-wrapper">

接下來，從 OCR 編輯器選項中選擇“打開”選項。 這將提示選擇圖像/PDF 文件的選項。 我們可以選擇 PDF 或圖像，也可以選擇兩個文件。

class="content-img-align-center">

class="center-image-wrapper">

選擇文件後，點擊確定按鈕。 它將自動開始掃描圖像到可編輯文本，並在窗口中顯示結果，如下面的屏幕截圖所示。

class="content-img-align-center">

class="center-image-wrapper">

上圖顯示源 PDF 已轉換為可編輯文本。 然而，結果並不完全準確。 ABBYY FineReader PDF 應用程序未識別出一些數字。 這在比較窗口中清晰顯示：左側是源 PDF，右側是 OCR 轉換的文本。

5.2 使用 IronOCR

我們也可以使用 OCRInput 來管理 PDF 文件。 Iron Tesseract 類將讀取文檔的每一頁。 然後會從頁面提取文本。 我們還可以使用名為AddPdf的第二個功能打開受保護的文檔，它允許我們將 PDF 添加到文檔列表（如果受保護則密碼）。 以下代碼展示了如何打開密碼保護的 PDF 文檔：

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a password-protected PDF to the input
    Input.AddPdf("example.pdf", "password");

    // Perform OCR to read text from the PDF
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a password-protected PDF to the input
    Input.AddPdf("example.pdf", "password");

    // Perform OCR to read text from the PDF
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input PDFs
Using Input = New OcrInput()
	' Add a password-protected PDF to the input
	Input.AddPdf("example.pdf", "password")

	' Perform OCR to read text from the PDF
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Iron Tesseract 還提供以下方法：

• AddPdfPage
• AddPdfPages

我們可以使用AddPdfPage從 PDF 文檔中的單個頁面中讀取並提取內容。 只需指定我們要提取文本的頁面號。 AddPdfPages允許我們從多個指定的頁面中提取文本。 在IEnumerable<int>中，我們只需指定頁面數。 我們還必須包括文件位置以及文件的擴展名。這在以下代碼示例中演示：

// Define numbers representing pages to extract from the PDF
IEnumerable<int> numbers = new List<int> { 2, 8, 10 };

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a specific page from PDF for OCR
    // Input.AddPdfPage("example.pdf", 10);

    // Add multiple specific pages from PDF for OCR
    // Input.AddPdfPages("example.pdf", numbers);

    // Perform OCR to read text from the specified pages
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Save the extracted text to a file
    Result.SaveAsTextFile("ocrtext.txt");
}

// Define numbers representing pages to extract from the PDF
IEnumerable<int> numbers = new List<int> { 2, 8, 10 };

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a specific page from PDF for OCR
    // Input.AddPdfPage("example.pdf", 10);

    // Add multiple specific pages from PDF for OCR
    // Input.AddPdfPages("example.pdf", numbers);

    // Perform OCR to read text from the specified pages
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Save the extracted text to a file
    Result.SaveAsTextFile("ocrtext.txt");
}

' Define numbers representing pages to extract from the PDF
Dim numbers As IEnumerable(Of Integer) = New List(Of Integer) From {2, 8, 10}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input PDFs
Using Input = New OcrInput()
	' Add a specific page from PDF for OCR
	' Input.AddPdfPage("example.pdf", 10);

	' Add multiple specific pages from PDF for OCR
	' Input.AddPdfPages("example.pdf", numbers);

	' Perform OCR to read text from the specified pages
	Dim Result = Ocr.Read(Input)

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

	' Save the extracted text to a file
	Result.SaveAsTextFile("ocrtext.txt")
End Using

使用SaveAsTextFile函數，我們可以將結果存儲為文本文件，允許我們將文件下載到輸出目錄路徑。 我們還可以使用SaveAsHocrFile將文件保存為 HTML 文件。

6.1 使用 ABBYY FineReader PDF

FineReader 有一些附加選項，例如：Draw Text Area，Draw Picture Area，Draw Table Area，Draw Recognize Area 等。這些幫助用戶提高 OCR 的性能。 此外，除了執行 OCR 外，該應用程序還允許用戶完成操作，例如合併 PDF、拆分 PDF、編輯 PDF 等。

6.2 使用 IronOCR

IronOCR 具有獨特的功能，使我們能夠從掃描文檔中讀取條形碼和 QR 碼。 下面的代碼顯示了我們如何從給定的圖像或文檔中讀取條形碼。

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Add an image containing barcodes
    Input.AddImage("barcode.gif");

    // Perform OCR to read text and barcodes from the image
    var Result = Ocr.Read(Input);

    // Iterate through detected barcodes and output their values
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
    }
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Add an image containing barcodes
    Input.AddImage("barcode.gif");

    // Perform OCR to read text and barcodes from the image
    var Result = Ocr.Read(Input);

    // Iterate through detected barcodes and output their values
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
    }
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.ReadBarCodes = True
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create OcrInput to manage input images
Using Input = New OcrInput()
	' Add an image containing barcodes
	Input.AddImage("barcode.gif")

	' Perform OCR to read text and barcodes from the image
	Dim Result = Ocr.Read(Input)

	' Iterate through detected barcodes and output their values
	For Each Barcode In Result.Barcodes
		Console.WriteLine(Barcode.Value)
	Next Barcode
End Using

上面的代碼有助於從給定的圖像或 PDF 文檔中讀取條形碼。 它能夠從一個頁面/圖像中讀取多個條形碼。 要讀取條形碼，IronOCR 有一個獨特的設置Ocr.Configuration.ReadBarCodes，可以幫助讀取條形碼； 默認值設置為false。

讀取輸入後，數據將保存到名為OCRResult的物件中； 這具有一個名為 Barcodes 的屬性，該屬性將所有可用的條形碼數據組裝成一個列表。通過使用foreach循環，我們可以逐一獲取所有條形碼的詳細信息。 此外，它還會掃描條形碼並讀取條形碼的值——一個過程完成兩次操作！

此外，還支持線程選項，這意味著我們可以同時執行多個 OCR 處理。IronOCR 還能夠識別指定區域的具體區域。

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Define a specific rectangular area on the image for OCR
    var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

    // Add an image specifying the area to be processed
    Input.Add("document.png", ContentArea);

    // Perform OCR to read text from the specified area
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Define a specific rectangular area on the image for OCR
    var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

    // Add an image specifying the area to be processed
    Input.Add("document.png", ContentArea);

    // Perform OCR to read text from the specified area
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input images
Using Input = New OcrInput()
	' Define a specific rectangular area on the image for OCR
	Dim ContentArea = New System.Drawing.Rectangle() With {
		.X = 215,
		.Y = 1250,
		.Height = 280,
		.Width = 1335
	}

	' Add an image specifying the area to be processed
	Input.Add("document.png", ContentArea)

	' Perform OCR to read text from the specified area
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

以上是對特定區域進行 OCR 的示例代碼。 我們只需在圖像或 PDF 上指定矩形區域——IronOCR 中的 Tesseract 引擎使文本識別成為可能。