使用 IronOCR 釋放可搜索 PDF 的力量：網路研討會回顧

為什麼 PDF/UA 標準對我的業務很重要？

許多組織必須滿足 PDF/UA 等可訪問性和合規性標準——無論是為了內部政策、公共部門要求還是長期存檔。 PDF/UA（一般無障礙）標準確保殘疾使用者（特別是使用螢幕閱讀器等輔助科技的使用者）能夠完全存取 PDF 檔案。 這不僅僅是合規的問題，而是要確保所有用戶都能平等地獲取信息，同時避免與無障礙違規相關的潛在法律問題。

IronOCR方法為何如此簡單？

Chipego 示範了IronOCR如何僅用幾行程式碼將普通的、不合規的 PDF 轉換為完全符合 PDF/UA 規範的文件。

using IronOcr;
using IronPdf;

// Initialize IronOCR
var ocr = new IronTesseract();

// Configure OCR for accessibility compliance
ocr.Configuration.ReadBarCodes = true;
ocr.Configuration.RenderSearchablePdf = true;

// Read the scanned PDF
using var input = new OcrInput();
input.AddPdf("scanned-document.pdf");

// Perform OCR and create searchable PDF/UA compliant document
var result = ocr.Read(input);
result.SaveAsSearchablePdf("compliant-output.pdf");

using IronOcr;
using IronPdf;

// Initialize IronOCR
var ocr = new IronTesseract();

// Configure OCR for accessibility compliance
ocr.Configuration.ReadBarCodes = true;
ocr.Configuration.RenderSearchablePdf = true;

// Read the scanned PDF
using var input = new OcrInput();
input.AddPdf("scanned-document.pdf");

// Perform OCR and create searchable PDF/UA compliant document
var result = ocr.Read(input);
result.SaveAsSearchablePdf("compliant-output.pdf");

使用 VeraPDF(一種用於驗證可訪問性和存檔標準的工具)對結果進行了驗證。 對於需要證明符合稽核或監管要求的組織而言，此驗證步驟至關重要。

誰能從PDF/UA合規性中獲益最多？

PDF/UA 合規性可確保視障使用者可以使用螢幕閱讀器存取您的文檔，從而支援法律合規性和包容性設計。 政府機構、教育機構和醫療機構尤其受益，因為它們通常有嚴格的無障礙要求。 此外，在歐盟開展業務的公司必須遵守《歐洲無障礙法案》，因此符合 PDF/UA 標準對於進入市場至關重要。

這解決了什麼問題？

你有沒有遇過那種看起來像 PDF 檔案但實際開啟方式卻像圖片一樣的掃描文件？ 這時就需要用到OCR技術了。 許多企業都面臨著包含數千個掃描 PDF 文件的舊文件存檔的難題——這些文件佔用儲存空間，但無法進行搜尋或提取資料。 如果沒有 OCR 技術，員工將浪費無數時間手動搜尋文檔，導致生產力下降和營運成本增加。

轉換過程是如何運作的？

Chipego 展示了IronOCR如何將不可搜尋的掃描 PDF 轉換為可搜尋的 PDF ，從而立即實現全文搜尋功能。 該過程涉及多個複雜步驟：

using IronOcr;

// Create a new OCR engine instance
var ocr = new IronTesseract();

// Configure language and accuracy settings
ocr.Language = OcrLanguage.English;
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the scanned PDF
using var input = new OcrInput();
input.AddPdf("invoice-scan.pdf");

// Apply image improve for better accuracy
input.DeNoise();
input.Deskew();
input.EnhanceResolution(225);

// Perform OCR and save as searchable PDF
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-invoice.pdf");

// Extract text for indexing
string extractedText = result.Text;
Console.WriteLine($"Extracted {extractedText.Length} characters");

using IronOcr;

// Create a new OCR engine instance
var ocr = new IronTesseract();

// Configure language and accuracy settings
ocr.Language = OcrLanguage.English;
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the scanned PDF
using var input = new OcrInput();
input.AddPdf("invoice-scan.pdf");

// Apply image improve for better accuracy
input.DeNoise();
input.Deskew();
input.EnhanceResolution(225);

// Perform OCR and save as searchable PDF
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-invoice.pdf");

// Extract text for indexing
string extractedText = result.Text;
Console.WriteLine($"Extracted {extractedText.Length} characters");

轉換後，使用者可以使用 Ctrl+F 尋找特定內容，或按日期、姓名或文件主題等關鍵字進行搜尋。 OCR引擎能夠智慧地保留原始文件佈局，同時添加一個不可見的文字層，使內容可搜尋和可選擇。

哪些行業最能從可搜尋的PDF中受益？

非常適合： 處理案件檔案和合約的律師事務所

• 管理病患記錄的醫療機構
• 需要快速內容搜尋的紙本記錄數位化團隊
• 金融機構的發票處理和合規性 房地產公司將房地產文件數位化

據業內人士估計，在大型文件庫中快速查找特定資訊的能力可以將搜尋時間縮短高達 90%。

何時應該使用靶向提取？

對於處理大量結構化文件(如收據、採購訂單或發票)的企業，Chipego 示範了IronOCR如何使用邊界框座標從特定的 PDF 區域提取資料。 這種有針對性的方法在處理標準化表格時尤其有價值，因為關鍵資訊會出現在一致的位置，例如發票上的總金額、合約上的日期或訂單上的客戶 ID。

區域處理如何提高效能？

IronOCR不會處理整個文件，而是只關注訂單號、總計或地址等相關字段，從而顯著提高速度並降低雲端或運算成本。 以下是如何實現目標提取：

using IronOcr;
using System.Drawing;

var ocr = new IronTesseract();

// Load PDF and define extraction regions
using var input = new OcrInput();
input.AddPdf("purchase-order.pdf", 1); // Process first page only

// Define bounding box for PO number field (x, y, width, height)
var poNumberArea = new Rectangle(450, 100, 150, 50);
input.AddPdfPage("purchase-order.pdf", 1, poNumberArea);

// Extract just the PO number
var result = ocr.Read(input);
string poNumber = result.Text.Trim();

// Define multiple regions for batch extraction
var regions = new Dictionary<string, Rectangle>
{
    { "PONumber", new Rectangle(450, 100, 150, 50) },
    { "TotalAmount", new Rectangle(450, 600, 150, 50) },
    { "VendorName", new Rectangle(50, 200, 300, 50) }
};

// Extract data from each region
var extractedData = new Dictionary<string, string>();
foreach (var region in regions)
{
    input.Clear();
    input.AddPdfPage("purchase-order.pdf", 1, region.Value);
    var regionResult = ocr.Read(input);
    extractedData[region.Key] = regionResult.Text.Trim();
}

using IronOcr;
using System.Drawing;

var ocr = new IronTesseract();

// Load PDF and define extraction regions
using var input = new OcrInput();
input.AddPdf("purchase-order.pdf", 1); // Process first page only

// Define bounding box for PO number field (x, y, width, height)
var poNumberArea = new Rectangle(450, 100, 150, 50);
input.AddPdfPage("purchase-order.pdf", 1, poNumberArea);

// Extract just the PO number
var result = ocr.Read(input);
string poNumber = result.Text.Trim();

// Define multiple regions for batch extraction
var regions = new Dictionary<string, Rectangle>
{
    { "PONumber", new Rectangle(450, 100, 150, 50) },
    { "TotalAmount", new Rectangle(450, 600, 150, 50) },
    { "VendorName", new Rectangle(50, 200, 300, 50) }
};

// Extract data from each region
var extractedData = new Dictionary<string, string>();
foreach (var region in regions)
{
    input.Clear();
    input.AddPdfPage("purchase-order.pdf", 1, region.Value);
    var regionResult = ocr.Read(input);
    extractedData[region.Key] = regionResult.Text.Trim();
}

與全頁 OCR 相比，這種有針對性的方法可以減少 70-80% 的處理時間，使其成為大批量文件處理場景的理想選擇。

企業能從中獲得哪些好處？

這可以自動執行重複的資料輸入任務，減少人工勞動，提高準確性，並使團隊能夠從事更有價值的工作。 據各公司反映，光是資料輸入一項，每週就能節省 20-30 小時。 提取的資料可以自動匯出到資料庫，與現有系統集成，或觸發自動化工作流程。 例如，提取的發票總額可以自動更新會計系統，而提取的客戶資訊可以自動填入 CRM 記錄，無需人工幹預。

IronOCR可以同時處理多個檔案嗎？

雖然網路研討會展示了一些具體的程式碼範例，但IronOCR是為大規模批量處理而建構的。 無論您是要轉換成百上千個文件還是數百萬個文件， IronOCR都能輕鬆整合到您現有的系統中。 此企業解決方案支援多執行緒和分散式處理，使組織能夠每小時處理數千份文件。 以下是一個批量處理範例：

using IronOcr;
using System.IO;
using System.Threading.Tasks;

public async Task ProcessDocumentBatch(string folderPath)
{
    var ocr = new IronTesseract();
    ocr.Configuration.RenderSearchablePdf = true;

    // Get all PDF files in directory
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    // Process files in parallel for maximum efficiency
    await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
    {
        using var input = new OcrInput();
        input.AddPdf(file);

        var result = await Task.Run(() => ocr.Read(input));

        // Save searchable version
        var outputPath = Path.Combine(folderPath, "searchable", Path.GetFileName(file));
        result.SaveAsSearchablePdf(outputPath);

        // Log processing results
        Console.WriteLine($"Processed: {file} - {result.Pages.Length} pages");
    });
}

using IronOcr;
using System.IO;
using System.Threading.Tasks;

public async Task ProcessDocumentBatch(string folderPath)
{
    var ocr = new IronTesseract();
    ocr.Configuration.RenderSearchablePdf = true;

    // Get all PDF files in directory
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    // Process files in parallel for maximum efficiency
    await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
    {
        using var input = new OcrInput();
        input.AddPdf(file);

        var result = await Task.Run(() => ocr.Read(input));

        // Save searchable version
        var outputPath = Path.Combine(folderPath, "searchable", Path.GetFileName(file));
        result.SaveAsSearchablePdf(outputPath);

        // Log processing results
        Console.WriteLine($"Processed: {file} - {result.Pages.Length} pages");
    });
}

有哪些支援選項？

需要幫助？ Iron Software提供每週 5 天、每天 24 小時的線上聊天和電子郵件技術支援，幫助您快速上手。 他們的支援團隊包括 OCR 專家，無論您是處理具有挑戰性的文件類型、多種語言還是複雜的整合要求，他們都可以幫助您改進具體的用例。 此外，完整的文件和程式碼範例有助於開發人員獨立實現解決方案。