如何使用IronOCR在 C# 讀取 PDF

何時應該調整DPI設定？

處理低解析度掃描文件或包含小字的 PDF 檔案時，DPI(每吋點數)設定至關重要。 為獲得最佳效果，請在以下情況下考慮調整 DPI 設定：

• 處理解析度低於 200 DPI 的掃描文檔
• 處理歷史或檔案PDF文件 處理複雜的版面或小字體
• 使用預設設定時遇到準確性問題

對於大多數 OCR 操作，建議使用 300 DPI，而對於文字非常小或細節複雜的文檔，可能需要 600 DPI。

除了PDF之外， IronOCR還支援哪些文件格式？

IronOCR除了支援 PDF 文件外，還全面支援多種文件格式。 您可以處理多種格式的影像，包括：

• 標準照片格式為JPEG/JPG
• PNG 格式影像，具有透明度
• 多頁文件的 TIFF 格式
• BMP 格式用於未壓縮影像
• GIF 用於簡單的圖形

此外， IronOCR可以直接從記憶體處理PDF 流，適用於 Web 應用程式和雲端服務。

使用 PDF 內容類型

處理 PDF 文件時，可以透過指定內容類型來優化效能。 PdfContents 枚舉類型可讓您定位特定內容：

// For text-only PDFs (faster processing)
var textOnlyPdf = new OcrPdfInput("document.pdf", PdfContents.Text);

// For image-only PDFs (scanned documents)
var imageOnlyPdf = new OcrPdfInput("scanned.pdf", PdfContents.Images);

// For mixed content (default)
var mixedPdf = new OcrPdfInput("mixed.pdf", PdfContents.TextAndImages);

// For text-only PDFs (faster processing)
var textOnlyPdf = new OcrPdfInput("document.pdf", PdfContents.Text);

// For image-only PDFs (scanned documents)
var imageOnlyPdf = new OcrPdfInput("scanned.pdf", PdfContents.Images);

// For mixed content (default)
var mixedPdf = new OcrPdfInput("mixed.pdf", PdfContents.TextAndImages);

為什麼頁碼從零開始？

從零開始的索引是 C# 和大多數程式語言中的標準約定。 這表示第一頁的索引為 0，第二頁的索引為 1，依此類推。 與數組索引的這種一致性使得開發人員能夠更輕鬆地以程式設計方式處理頁面集合。 將人類可讀的頁碼(1、2、3…)轉換為索引時，只需從頁碼中減去 1 即可。

如何閱讀不連續的頁面？

使用IronOCR讀取非連續頁面非常簡單。 只需按任意順序將所需的頁面索引新增至清單即可。 例如：

// Read pages 1, 3, 5, and 10 (using zero-based indices)
List<int> pageIndices = new List<int>() { 0, 2, 4, 9 };

// Or use LINQ for range-based selection
var evenPages = Enumerable.Range(0, 10).Where(x => x % 2 == 0).ToList();

// Read pages 1, 3, 5, and 10 (using zero-based indices)
List<int> pageIndices = new List<int>() { 0, 2, 4, 9 };

// Or use LINQ for range-based selection
var evenPages = Enumerable.Range(0, 10).Where(x => x % 2 == 0).ToList();

OCR引擎只會處理指定的頁面，從而顯著提高大型文件的處理效能。

如果我指定了無效的頁碼會發生什麼事？

如果指定的頁面索引超過文件的頁數， IronOCR將拋出異常。 處理前需實施錯誤處理或驗證頁面計數。 在執行 OCR 之前，您可以檢查 PDF 的總頁數，以確保您的索引有效。

如何確定矩形的正確座標？

找到正確的座標需要了解 PDF 的座標系。 Rectangle 建構子接受四個參數：Width 和 Height。 所有尺寸均以像素為單位。 像是帶有標尺功能或調試工具的 PDF 檢視器之類的工具可以幫助確定精確座標。 或者，透過反覆試驗和微調來縮小選擇範圍。

為了更精確地定義區域，您可以利用高亮文字偵錯功能來視覺化正在處理的區域。

我可以在一次操作中指定多個區域嗎？

是的， IronOCR支援在一次 OCR 操作中識別多個區域。 只需在陣列中新增多個 Rectangle 物件即可：

Rectangle[] scanRegions = { 
    new Rectangle(50, 50, 200, 100),    // Header region
    new Rectangle(50, 200, 500, 300),   // Main content region
    new Rectangle(50, 550, 200, 50)     // Footer region
};

Rectangle[] scanRegions = { 
    new Rectangle(50, 50, 200, 100),    // Header region
    new Rectangle(50, 200, 500, 300),   // Main content region
    new Rectangle(50, 550, 200, 50)     // Footer region
};

每個區域將分別進行處理，並將結果按指定順序合併。

為什麼使用區域特定 OCR 而不是全頁 OCR？

區域性OCR具有以下幾個優點： -效能：處理較小區域的速度明顯更快 -準確度：聚焦特定區域可減少無關內容所帶來的噪音 -結構：更可靠地從表單和表格中提取數據 -成本效益：處理時間越短，計算成本越低。

這種方法在處理發票、表格或報告等結構化文件時尤其有價值，因為資料會出現在可預測的位置。 對於複雜的文件結構，請探索使用專門的表格擷取技術來讀取文件中的表格。

處理複雜的PDF場景

在處理複雜的PDF文件時， IronOCR提供了多種進階功能：

1.影像預處理：套用影像濾鏡增強文字清晰度
2.多語言：同時處理包含多種語言的文檔
3.自訂配置：針對特定文件類型微調 OCR 設定
4.匯出選項：將結果儲存為多種格式，包括可搜尋的 PDF 和hOCR HTML。

這些特性使IronOCR成為滿足企業級 PDF 處理需求的全面解決方案。