IronOCR對比Azure OCR PDF：哪個解決方案能更好地提取文字？

使用IronOCR提取文字

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("document.pdf")
    Dim result = ocr.Read(input)

    Console.WriteLine($"Pages processed: {result.Pages.Length}")
    Console.WriteLine(result.Text)
End Using

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("archive-scan.tiff")
    Dim result = ocr.Read(input)

    For Each page In result.Pages
        Console.WriteLine($"Frame {page.PageNumber}: {page.Text}")
    Next
End Using

使用Azure Document Intelligence提取文字

對於Azure Document Intelligence，需要先在Azure門戶中建立資源，配置身份驗証憑據，並安裝Azure SDK。 Read API調用使用異步操作：

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

Imports Azure
Imports Azure.AI.FormRecognizer.DocumentAnalysis
Imports System.IO

Dim client = New DocumentAnalysisClient(
    New Uri(endpoint),
    New AzureKeyCredential(key))

Using stream = File.OpenRead("document.pdf")
    Dim operation = Await client.AnalyzeDocumentAsync(
        WaitUntil.Completed, "prebuilt-read", stream)

    Dim result = operation.Value
    For Each page In result.Pages
        For Each line In page.Lines
            Console.WriteLine(line.Content)
        Next
    Next
End Using

管理憑據、處理異步操作和遍歷響應資料結構都增加了複雜性。 任何網路中斷或Azure服務中斷都可能使提取作業失敗，這需要在生產應用程式中進行重試邏輯。

建立的可搜索PDF

這將任何掃描的PDF文件轉換成一個完全可搜索的文件，允許使用者搜索、選擇和複製文字。 該過程保留了原始文件的視覺外觀，同時嵌入了從OCR結果中生成的看不見的文字層。 這是一個處理所有內容的單一方法調用。

Azure Document Intelligence不提供直接的可搜索PDF建立。 為了在Azure中達到相同的效果，開發人員必須從API響應中提取文字資料，然後使用單獨的PDF程式庫（如iText或PDFSharp）重新構建具有嵌入文字層的文件。 這會為您的專案增加額外的依賴性、開發時間和維護負擔。

對於經常轉換大量掃描文件（如發票、合同、歷史記錄）的組織，在IronOCR中的單一方法顯著減少了整合工作。

在IronOCR中配置語言

IronOCR通過Tesseract語言資料文件支持超過125種語言。 在配置IronTesseract實例時，您可以指定單一語言或多種語言：

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.EnglishBest

' For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French)

Using input As New OcrInput("multilingual-doc.pdf")
    Dim result = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

語言包是通過單獨的NuGet包安裝的——例如，IronOcr.Languages.French適用於法語支持。 這使得核心程式庫保持輕量化，同時允許您僅新增您的應用程式所需的語言。

語言文件提供了可用語言包的完整列表及其相應的NuGet包名稱。 對於內容包含混合腳本或未知語言的檔，IronOCR也支援自動語言檢測配置。

Azure Document Intelligence中的語言支持

Azure Document Intelligence的Read API支援超過100種印刷語言，以及其中一部分手寫識別。 語言檢測在雲端自動進行——在大多數情況下，開發人員無需顯示指定語言。 這種自動檢測方便但增加了每頁成本，並要求所有文件傳輸到Microsoft的伺服器。

對於包含敏感資訊的文件——財務記錄、健康資料、法律合同——將內容發送到雲端的端點會引入資料治理考量，而本地處理完全避免了這些。

IronOCR的批量處理

對於高容量工作流，IronOCR使用標準.NET並行優化了批量處理。 由於該程式庫在本地運行，您可以並行運行多個OCR任務，沒有速率限制或API節流：

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

Imports IronOcr
Imports System.Collections.Generic
Imports System.Threading.Tasks
Imports System.IO

Dim pdfFiles = Directory.GetFiles("input-folder", "*.pdf")
Dim results As New List(Of String)()

Await Task.WhenAll(pdfFiles.Select(Function(file) Task.Run(Async Function()
    Dim ocr As New IronTesseract()
    Using input As New OcrInput(file)
        Dim result = ocr.Read(input)
        SyncLock results
            results.Add(result.Text)
        End SyncLock
    End Using
End Function)))

Console.WriteLine($"Processed {results.Count} documents.")

此模式同時處理整個PDF文件夾，由您的機器CPU和記憶體資源——而不是API速率限制或網路帶寬——決定其限制。

更多先進的批處理場景，IronOCR指南涵蓋了大批量處理模式、進度跟踪和輸出管理。

Azure Document Intelligence中的批量處理

Azure Document Intelligence支持批量處理，但每個文件需要一個獨立的API調用或使用批量分析文件API。 高容量作業面臨Azure的速率限制——標準層一般為每秒15個請求。 每天處理成千上萬文件的組織需要實施排隊、重試邏輯和節流管理以保持在服務限額內。

基於承諾的定價層提供了可預測的高容量工作負載，但這些需要提前承諾協議並受微軟的服務條款約束。