OCR 收據數據提取（逐步教學）

OCR快速入門

光學字元辨識（OCR）是一種使電腦能夠讀取和理解圖像或掃描文件中的文字的技術。 OCR 透過將印刷文本轉換為機器可讀文本，使您能夠儲存、處理和分析實體文件中包含的資訊。

2. IronOCR簡介

IronOCR是一個針對 C# 和.NET開發人員的 OCR（光學字元辨識）函式庫。 它使開發人員能夠從圖像、 PDF和其他文件格式中提取文字。 IronOCR基於流行的Tesseract OCR 引擎構建，並增加了額外的功能，使其成為各種應用的理想選擇，包括收據 OCR。

3. 使用IronOCR進行資料擷取的優勢

以下是使用IronOCR進行 OCR 收據資料擷取的一些主要優點：

-高精度： IronOCR提供卓越的 OCR API 精度，確保從收據和其他文件中可靠地提取資料。 -多語言支援： IronOCR支援超過 125 種語言，使其適用於全球應用。 -易於使用：該程式庫提供了一個簡單直觀的 API，使開發人員能夠輕鬆地在其專案中實現 OCR 功能。 -可自訂： IronOCR提供各種選項來微調 OCR 結果，確保針對您的特定用例進行最佳資料擷取。

4. IronOCR 的工作原理

IronOCR採用先進的OCR演算法來辨識和擷取影像和文件中的文字。 它可以處理多種格式，包括 JPEG、PNG、TIFF 和 PDF。 該庫讀取輸入文件，識別其中的文本，並將提取的文本作為字串輸出，然後可以根據需要進行處理或儲存。 IronOCR也利用電腦視覺技術來獲得最佳效果。

5. 使用IronOCR的前提條件

要開始使用IronOCR提取收據數據，您首先需要安裝IronOCR軟體包。 這可以透過.NET的套件管理器NuGet輕鬆完成。 只需在 Visual Studio 中開啟您的項目，然後按照以下步驟操作：

1. 在解決方案資源管理器中右鍵點選您的項目，然後選擇"管理NuGet套件"。
2. 在NuGet套件管理器視窗中，搜尋"IronOCR"。

3. 選擇 IronOcr 軟體包，然後按一下"安裝"。

   在NuGet套件管理器 UI 中搜尋 IronOcr 套件

6. 準備收據影像

在從收據中提取資料之前，您需要確保收據影像品質高，以提高收據 OCR API 流程的準確性。 以下是一些拍攝清晰收據照片的小技巧：

1. 使用掃描文件。 您可以使用高解析度掃描器掃描收據。
2. 確保收據光線充足，沒有陰影。
3. 將收據上的所有摺痕或褶皺撫平，以免關鍵訊息被遮蔽。

4. 確保收據上的文字清晰無污跡，以便更好地處理收據。

   用於文字擷取的收據樣本圖像

7. 對收據影像進行OCR識別

IronOCR安裝完畢，收據影像也已準備就緒，現在可以執行 OCR 流程了。 在您的.NET應用程式中，使用以下程式碼片段：

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

    // Output the recognized text to the console
    Console.WriteLine(result.Text);
}

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

    // Output the recognized text to the console
    Console.WriteLine(result.Text);
}

using IronOcr;

using IronOcr;

var ocr = new IronTesseract();

var ocr = new IronTesseract();

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

var result = ocr.Read(ocrInput);

var result = ocr.Read(ocrInput);

Console.WriteLine(result.Text);

Console.WriteLine(result.Text);

微調 OCR 結果

IronOCR提供多種選項來提高 OCR 的準確性和性能。 這些步驟包括影像預處理、調整 OCR 引擎設定以及選擇收據的合適語言。

using IronOcr;

// Initialize the IronTesseract class
var ocr = new IronTesseract();

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

using IronOcr;

// Initialize the IronTesseract class
var ocr = new IronTesseract();

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

ocr.Configuration.Language = OcrLanguage.English;

ocr.Configuration.Language = OcrLanguage.English;

從 OCR 結果中提取數據

OCR 過程完成後，就可以從文字中提取特定資訊了。 根據您的需求，您可能需要提取以下數據：

1. 商店名稱和地址。
2. 購買日期和時間。
3. 商品名稱和價格。
4. 小計、稅額和總金額。

為此，您可以在.NET應用程式中使用正規表示式或字串操作技術。 例如，您可以使用以下程式碼片段從 OCR 結果中提取日期：

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

您可以建立類似的模式，用於從收據中提取其他需要的資訊。

結論

總而言之，使用IronOCR進行收據 OCR 識別是一種創新且高效的解決方案，可用於數位化和管理您的財務資料。 使用IronOCR，您可以取代手動資料輸入。 透過遵循本逐步指南，您可以利用IronOCR的強大功能來改善您的費用追蹤和數據分析。 最棒的是， IronOCR提供免費試用，讓您無需任何承諾即可體驗其功能。

試用期結束後，如果您決定繼續使用IronOCR，許可證從 $799 開始，為您提供了一種經濟高效的方式，在您的應用程式中利用 OCR 技術的優勢。