IronOCR與Abbyy Finereader的比較

1.1 ABBYY FineReader PDF — 簡介與功能

ABBYY FineReader PDF是一款由ABBYY建立的光學字元識別(OCR)應用程式。 它允許我們將圖像文件（圖片、掃描、PDF文件）和螢幕擷取轉換為可編輯的文件格式，如Microsoft Word、Microsoft Excel、Microsoft PowerPoint、富文字格式、HTML、PDF/A、可搜尋的PDF、CSV和文字（純文字）。

ABBYY FineReader是一款桌面應用程式，適用於Windows、Linux和macOS。 它還允許為PDF文件建立可編輯的格式。 我們也可以像Adobe Acrobat一樣閱讀PDF。 ABBYY FineReader將掃描文件整合到數位工作流程中。

以簡單有效的方式管理和完成文件，以節省時間和精力。 同樣的方法處理任何文件，無論是數位建立的還是從紙張轉換而來的。 您可以改變PDF中的文字、表格和完整布局，而無需先進行轉換。

ABBYY FineReader PDF可以從超過25種不同的文件格式中建立PDF，直接從紙質文件或通過幾乎任何應用程式的PDF列印機列印。 支持PDF/A-1至PDF/A-3進行長期存檔，PDF/UA保證在使用輔助軟體如螢幕閱讀器時內容是可存取的。 它還使專業人員能夠在數位工作場所中最大限度地提高效率。

使用ABBYY FineReader建立和更新您自己的互動式PDF表單，以成功收集資訊和標準化文件。 通過結合各種型別的互動字段、設置動作、編輯現有的PDF表單或在常規PDF中新增表單元素建立表單。

ABBYY FineReader能夠即刻將紙質文件、掃描和掃描的PDF轉換為可搜尋的PDF，允許您從數位檔案中檢索文件並進入它們所包含的資訊。 FineReader PDF支持所有合規級別和PDF/A格式的變體，這是業界標準的長期存檔方式，從PDF/A-1到PDF/A-3。

ABBYY最新的基於AI的OCR技術FineReader PDF使得以相同的工作流程數位化、檢索、編輯、保護、分享和合作處理各類文件變得更加容易。 FineReader還包括文件比較功能，這有助於我們比較原始文件以及轉換的PDF和圖像文件。

1.2 IronOCR — 簡介與功能

IronOCR提供的軟體供工程師們在.NET應用程式和網站中使用IronOCR for .NET來從照片和PDF中提取文字內容。 它掃描照片中的文字和條碼，支持多種全球語言； 然後可以將輸出以純文字或結構化資料的形式提供。 Iron Software的OCR程式庫可以在MVC、Web、控制台和桌面.NET應用程式中使用。 在商業部署中，授權是直接由開發團隊提供的協助。

• 使用最新的Tesseract 5引擎，IronOCR可以從任何圖片或PDF格式中讀取文字、條碼和QR碼。 此程式庫快速地將OCR功能新增到桌面、控制台和網路應用程式。
• IronOCR支持125種國際語言。 它還支持自定義語言和詞匯表。
• IronOCR能夠讀取超過20種條碼格式和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功能。
• IronOCR支持多執行緒——它可以同時執行一個或多個進程。
• IronOCR可以為頁面、段落、行、單詞、字元等提供結構化資料輸出。
• 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，您可以根據需求下載。 選擇"下載免費試用"選項。 系統會將您重定向到如下圖所示的表單。

我們需要填寫表單以獲取EXE文件的位置。 點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。 完成後，它會顯示一個彈出消息，然後我們可以開始使用。

3.2 安裝IronOCR

IronOCR程式庫可以通過四種方式下載和安裝。

這些是：

• 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軟體提供NuGet Package Manager選項，允許將套件直接安裝到解決方案中。 下圖顯示如何打開NuGet Package Manager。

它提供了一個搜索框，用於顯示來自NuGet網站的套件列表。在套件管理器中，我們需要搜索關鍵字IronOCR，如下圖所示：

在上圖中，我們將獲得相關搜索項目的列表。 我們需要選擇所需的選項以將套件安裝到解決方案中。

3.2.2 使用Visual Studio命令行

在Visual Studio中，前往工具 -> NuGet Package Manager -> Package Manager Console

在Package Manager Console選項卡中輸入以下行：

Install-Package IronOcr

此命令將在當前專案中下載並安裝套件，然後會準備使用。

3.2.3 從NuGet網站直接下載

第三種方法是從網站直接下載NuGet套件。

• 瀏覽連結。
• 從右側選單中選擇下載套件選項。
• 雙擊下載的套件。 它將自動安裝。
• 然後重新載入解決方案並在專案中開始使用它。

3.2.4 從IronOCR網站直接下載

點擊此處下載最新套件，直接從網站下載。下載完成後，按照以下步驟將套件新增到專案中。

• 右鍵單擊解決方案窗口中的專案。
• 然後選擇"新增引用"選項並瀏覽下載的引用的位置。
• 接下來，點擊確定以新增引用。

4.1 使用ABBYY FineReader PDF

接下來，打開ABBYY FineReader PDF應用程式，它會彈出多個選項，如下圖所示。

接下來，從OCR編輯器選項中選擇"打開"選項。 這將彈出一個選項來選擇圖像文件：

選擇文件後，它將自動開始掃描圖像並轉換為可編輯的文字，然後在窗口中顯示結果，如下圖所示：

上圖顯示源圖像已轉換為可編輯文字。 然而，結果並不太精確。 ABBYY FineReader PDF應用並未識別出一些數字。這在比較窗口中顯示得很明顯——左側是源圖像，右側是OCR轉換的文字。

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();
}

' 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

Tesseract 5 API允許我們將圖像文件轉換為文字，如上所示。 我們在上面程式碼片段中建立了IronTesseract的實例。 我們還使用了一個OcrInput物件，它可以允許我們新增一個或多個圖像文件。 使用OcrInput物件方法AddImage時，我們必須在程式碼內提供可用圖像的路徑。 可以新增任意數量的圖像。 在我們之前構建的Read函式可用於執行OCR，通過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字並將其轉換為字串。

我們還可以使用Tesseract新增多幀圖像。 AddMultiFrameTiff是此操作的另一種方法。 Tesseract程式庫讀取圖像中的每幀，並將每幀視作為獨立的頁面。 此過程將讀取圖像的第一幀，然後移至下一幀，以此類推，直到掃描完圖像的所有幀。 此方法僅支援tiff圖像格式。

上圖是IronOCR結果的輸出，顯示資料正確地轉換為可編輯的文字，結果精確無誤。

5.1 使用ABBYY FineReader PDF

打開ABBYY FineReader PDF軟體。 這將打開一個頁面，如下圖所示，提供多個選項。

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的選項。 我們可以選擇PDF或圖像，或者兩者都選擇。

選擇文件後，點擊確定按鈕。 它會自動開始掃描圖片並轉換成可編輯的文字，並在窗口中顯示結果，如下圖所示。

上圖顯示源PDF已轉換為可編輯文字。 然而，結果並不完全準確。 ABBYY FineReader PDF應用未識別出一些數字。 這在比較窗口中顯示得很明顯——左側是源PDF，右側是OCR轉換的文字。

5.2 使用IronOCR

我們還可以使用OCRInput來管理PDF文件。 Iron Tesseract類將讀取文件的每一頁。 然後從頁面中提取文字。 我們還可以使用名為AddPdf的第二個功能來打開保護的文件，這允許我們將PDF新增到我們的文件清單中（如果受到保護，則提供密碼）。 以下程式碼演示如何打開受密碼保護的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);
}

' 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文件的單頁中讀取並提取內容。 只需要指定希望提取文字的頁碼。 AddPdfPages允許我們從多個指定的頁面中提取文字。 在IEnumerable<int>中，我們只需要指定頁數。 我們還必須包括文件的位置以及文件的擴展名。在以下程式碼範例中演示這一點：

// 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功能，我們可以將結果儲存為文字文件，並將文件下載到輸出目錄路徑。 此外，我們可以使用SaveAsHocrFile將文件保存為HTML文件。

6.1 使用ABBYY FineReader PDF

FineReader還有一些其他選項，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。這些有助於使用者提高OCR的性能。 此外，在進行OCR的同時，此應用程式還允許使用者完成合併PDF、拆分PDF、編輯PDF等操作。

6.2 使用IronOCR

IronOCR具有獨特的功能，允許我們從掃描的文件中讀取條碼和QR碼。 下面的程式碼顯示了我們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);
    }
}

' 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

上面的程式碼幫助讀取給定圖像或PDF文件中的條碼。 它能夠從一頁/圖像中讀取多個條碼。 為了讀取條碼，IronOCR有一個獨特的設置Ocr.Configuration.ReadBarCodes，這有助於讀取條碼； 預設值設為false。

讀取輸入後，資料將保存到名為OCRResult的物件中； 此物件有一個名為Barcodes的屬性，它將所有可用的條碼資料整合到一個列表中。使用foreach迴圈，我們可以逐一獲取所有條碼的詳細資訊。 此外，它將掃描條碼並讀取條碼的值——在一個過程中完成兩個操作！

此外，還支持執行緒選項，這意味著我們可以同時執行多個OCR過程。IronOCR還能夠識別指定區域的特定區域。

// 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);
}

' 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

以上是一個對特定區域進行OCR的樣本程式碼。 我們只需指定圖像或PDF上的矩形區域——IronOCR中的Tesseract引擎可實現文字識別。