IronOCR 和 Abbyy Finereader 之間的比較

1.1 ABBYY FineReader PDF — 簡介與功能

ABBYY FineReader PDF 是由 ABBYY 開發的光學字元辨識 (OCR) 應用程式。 它允許我們將圖像文件（圖片、掃描件、PDF 文件）和螢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、可搜尋 PDF、CSV 和文字（純文字）。

ABBYY FineReader 是一款適用於 Windows、Linux 和 macOS 的桌面應用程式。 它還允許創建可編輯的pdf文件格式。 我們也可以像使用 Adob​​e Acrobat 一樣閱讀 PDF 文件。 ABBYY FineReader 將掃描文件整合到數位工作流程中。

以簡單且有效率的方式管理和完成文檔，從而節省時間和精力。 無論文件是電子版還是紙本版，都要用同樣的方法來處理。 您可以直接修改 PDF 的文字、表格和完整佈局，而無需先轉換。

ABBYY FineReader PDF 可以從 25 多種不同的文件格式建立 PDF，可以直接從紙本文件創建，也可以透過幾乎任何應用程式列印到 PDF 印表機建立。 PDF/A-1 到 PDF/A-3 支援長期存檔，PDF/UA 可確保在使用螢幕閱讀器等輔助軟體時能夠存取內容。 它還能幫助專業人士最大限度地提高數位化工作場所的效率。

使用 ABBYY FineReader 建立和更新您自己的互動式 PDF 表單，以成功收集資訊並規範文件。 透過組合各種類型的互動式欄位、設定操作、編輯現有 PDF 表單或為傳統 PDF 新增表單元素來建立表單。

ABBYY FineReader 可以立即將紙本文件、掃描件和掃描的 PDF 文件轉換為可搜尋的 PDF 文件，使您能夠從數位檔案中檢索文件並存取其中包含的資訊。 FineReader PDF 支援從 PDF/A-1 到 PDF/A-3 的所有合規等級和 PDF/A 格式變體，PDF/A 格式是長期存檔的行業標準。

ABBYY 最新的基於 AI 的 OCR 技術 FineReader PDF，讓使用者能夠在同一工作流程中更輕鬆地對各種文件進行數位化、檢索、編輯、保護、共享和協作。 FineReader 還包含文件比較功能，可以幫助我們比較原始文件以及轉換後的 PDF 和圖像文件。

1.2 IronOCR — 簡介與特點

IronOCR為使用IronOCR for .NET的工程師提供軟體，用於在.NET應用程式和網站中讀取照片和 PDF 中的文字內容。 它可以掃描照片中的文字和條碼，並支援多種世界語言； 然後它可以以純文字或結構化資料的形式輸出結果。 Iron Software的 OCR 函式庫可用於 MVC、Web、控制台和桌面.NET應用程式。 對於商業部署，開發團隊會提供直接的許可協助。

IronOCR使用最新的 Tesseract 5 引擎，可從任何圖片或 PDF 格式中讀取文字、條碼和二維碼。 該程式庫可快速為桌面、控制台和 Web 應用程式新增 OCR 功能。 IronOCR支援 125 種國際語言。 它還支援自訂語言和詞彙表。 IronOCR能夠讀取20多種條碼格式和二維碼。 IronOCR支援多頁 gif 和 tiff 影像格式。 IronOCR可校正低品質掃描影像。 IronOCR支援多執行緒－它可以同時執行一個或多個行程。 IronOCR可以提供頁面、段落、行、單字、字元等的結構化資料輸出。 IronOCR支援多種作業系統，例如 Windows、Linux、macOS 等。

3.1 安裝 ABBYY FineReader PDF

我們可以在這裡下載 ABBYY FineReader。

上圖顯示有兩個版本，個人版和企業版，您可以依照自己的需求下載。 選擇"下載免費試用版"選項。 它會將您重新導向到一個類似下圖的表單：

我們需要填寫表格以取得 EXE 檔案位置。 點擊下載選項即可下載檔案。

文件下載完成後，我們可以雙擊 EXE 檔案開始安裝。 完成後，會顯示一則彈出訊息，現在即可使用。

3.2 安裝IronOCR

IronOCR庫可以透過四種方式下載和安裝。

這些都是：

• 使用 Visual Studio
• 使用 Visual Studio 命令列
• 直接從NuGet網站下載
• 直接從IronPDF網站下載

3.2.1 使用 Visual Studio

Visual Studio 軟體提供了NuGet套件管理器選項，可以直接將套件安裝到解決方案中。 下面這張截圖展示如何開啟NuGet套件管理器。

它提供了一個搜尋框，用於顯示NuGet網站上的軟體包清單。在軟體包管理器中，我們需要搜尋關鍵字IronOCR ，如下面的螢幕截圖所示：

從上圖中，我們可以得到相關搜尋項目的清單。 我們需要選擇合適的選項，將軟體包安裝到解決方案中。

3.2.2 使用 Visual Studio 命令列

在 Visual Studio 中，前往"工具"-> "NuGet套件管理器"->"套件管理器控制台"。

在程式包管理器控制台標籤中輸入以下代碼：

Install-Package IronOcr

該指令會將軟體包下載並安裝到目前專案中，安裝完成後即可使用。

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套件。

• Navigate to the Link.
• 從右側選單中選擇下載套件選項。
• 雙擊下載的軟體包。 它將自動安裝。 接下來，重新載入解決方案，並在專案中開始使用它。

3.2.4 直接從IronOCR網站下載

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.

• 在解決方案視窗中右鍵點選項目。 然後，選擇"新增參考文獻"選項，瀏覽至已下載參考文獻的位置。 接下來，按一下"確定"以新增引用。

4.1 使用 ABBYY FineReader PDF

接下來，打開 ABBYY FineReader PDF 應用程序，它將打開並顯示多個選項，如下圖所示。

接下來，從 OCR 編輯器選項中選擇"開啟"選項。 這將彈出選擇圖像檔案的選項：

選擇文件後，程式會自動開始將圖像掃描成可編輯文本，然後在視窗中顯示結果，如下圖所示：

上圖顯示的是轉換為可編輯文字的來源圖像。 然而，結果並不太準確。 ABBYY FineReader PDF 應用程式無法辨識部分數字。這一點在對比視窗中清晰可見——左側是原始圖像，右側是 OCR 轉換後的文字。

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();
}

上面演示了 Tesseract 5 API，它允許我們將圖像檔案轉換為文字。 上面的程式碼片段建立了一個 IronTesseract 實例。 我們還使用 OcrInput 對象，它允許我們添加一個或多個圖像檔案。 在使用 OcrInput 物件方法時，我們必須在程式碼中提供可用圖像的路徑 AddImage。 可以添加任意數量的圖片。 我們先前建構的 IronTesseract 物件中的 Read 函數可用於解析影像檔案並將結果提取到 OCR 結果中來執行 OCR。 它可以從圖像中提取文字並將其轉換為字串。

我們也可以使用 Tesseract 來新增多幀影像。 AddMultiFrameTiff 是執行此操作的另一種方法。 Tesseract 庫讀取影像中的每一幀，並將每一幀視為單獨的頁面。 這個過程將讀取影像的第一幀，然後繼續讀取下一幀，依此類推，直到掃描完影像的所有幀。 此方法僅支援 tiff 影像格式。

上圖是IronOCR的輸出結果，結果準確無誤，顯示資料已正確轉換為可編輯文字。

5.1 使用 ABBYY FineReader PDF

開啟 ABBYY FineReader PDF 軟體。 這將開啟一個類似下圖的頁面，提供多個選項。

接下來，從 OCR 編輯器選項中選擇"開啟"選項。 這將彈出選擇圖像/PDF 的選項。 我們可以選擇 PDF 文件或圖像文件，也可以同時選擇這兩個文件。

選擇檔案後，按一下"確定"按鈕。 它會自動開始將圖像掃描成可編輯文本，並在類似下圖的視窗中顯示結果。

上圖顯示的是已轉換為可編輯文字的來源 PDF 檔案。 然而，這個結果並不完全正確。 ABBYY FineReader PDF 應用程式無法辨識部分數字。 這一點在對比視窗中可以清楚地看出——左側是來源 PDF，右側是 OCR 轉換後的文字。

5.2 使用IronOCR

我們也可以使用 OCRInput 來管理 PDF 檔案。 鐵超立方體班級將閱讀所有文件的每一頁。 然後，文字將從頁面中提取出來。 我們也可以使用名為 AddPdf 的第二個函數開啟受保護的文檔，該函數允許我們將 PDF 新增至我們的文檔清單(如果受保護，則需要密碼)。 以下程式碼示範如何開啟受密碼保護的 PDF 文件：

// 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);
}

Iron Tesseract 也提供了以下方法：

• AddPdfPage
• AddPdfPages

我們可以使用 AddPdfPage 從 PDF 文件中的單一頁面讀取和提取內容。 只需指定要從中提取文字的頁碼即可。 AddPdfPages 讓我們可以從指定的多個頁面中提取文字。 在 IEnumerable<int> 中，我們只需要指定頁數。 我們還必須包含檔案位置以及檔案副檔名。以下程式碼範例對此進行了演示：

// 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");
}

使用 SaveAsTextFile 函數，我們可以將結果儲存為文字文件，從而可以將該文件下載到輸出目錄路徑。 此外，我們也可以使用 SaveAsHocrFile 將檔案儲存為 HTML 檔案。

6.1 使用 ABBYY FineReader PDF

FineReader 也提供了一些附加選項，例如：繪製文字區域、繪製圖片區域、繪製表格區域、_繪製識別區域_等。這些選項有助於使用者提高 OCR 的效能。 此外，除了執行 OCR 之外，該應用程式還使用戶能夠完成合併 PDF、分割 PDF、編輯 PDF 等操作。

6.2 使用IronOCR

IronOCR具有獨特的功能，可以讀取掃描文件中的條碼和二維碼。 以下程式碼展示如何從給定的圖像或文件中讀取條碼。

// 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);
    }
}

上面的程式碼有助於從給定的圖像或 PDF 文件中讀取條碼。 它可以讀取頁面/圖像中的多個條碼。 IronOCR讀取條碼時有一個獨特的設定 Ocr.Configuration.ReadBarCodes，這有助於讀取條碼； 預設值為 false。

讀取輸入後，資料將保存到名為 OCRResult 的物件中； 它有一個名為 Barcodes 的屬性，可以將所有可用的條碼資料組裝成一個清單。透過使用 foreach 循環，我們可以逐一取得所有條碼的詳細資訊。 此外，它還會掃描條碼並讀取條碼的值——兩個操作在一個過程中完成！

此外， IronOCR還支援線程選項，這意味著我們可以同時執行多個 OCR 處理。 IronOCR 也能夠識別指定區域內的特定區域。

// 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);
}

以上是針對特定區域執行 OCR 的範例程式碼。 我們只需要在圖像或 PDF 上指定矩形區域IronOCR中的 Tesseract 引擎即可識別文字。