如何在 C# 中使用 Tesseract 實作多種語言

介紹

IronOCR 使用Tesseract 引擎作為可靠的 OCR 工具，提供從各種語言和腳本中提取文字的功能。

本文探討了 IronOCR 如何透過 Tesseract 處理多種語言的文本。 您將學習如何實施多語言 OCR 解決方案，並了解 IronOCR 的功能及其 Tesseract 引擎整合。

現代應用程式需要處理多種語言的文檔。 國際商業文件、多語言網站和全球通訊平台需要跨越語言障礙進行準確的文字擷取。 IronOCR 透過與 Tesseract 廣泛的語言支援整合來滿足此需求，能夠同時從包含多種腳本和字元集的文件中提取文字。

快速入門：使用 IronOCR 辨識多種語言的文字

使用 IronOCR 配置主要語言，並可在一行中新增輔助語言，以從多語言文件或圖像中擷取文字。

如何使用 IronOCR 閱讀多語言 PDF 檔案？

IronOcr 提供約125 種語言包； 預設只安裝了英語。 從 NuGet 下載其他語言。 點擊此處查看所有可用的語言包。

包含多種語言的PDF檔案需要進行特定的OCR引擎配置。 IronOCR 可讓您在處理文件之前指定主要語言和次要語言，從而確保在不同的腳本和字元集中實現最佳識別精度。

:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-pdf-input.cs

using IronOcr;
using System;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian);

// Add PDF
using var pdfInput = new OcrPdfInput(@"example.pdf");
// Perform OCR
OcrResult result = ocrTesseract.Read(pdfInput);

// Output extracted text to console
Console.WriteLine(result.Text);

如何使用 Tesseract 處理多語言影像？

英語是預設的主要語言。 To change it, set the Language property to your desired language, then add secondary languages as needed.

包含多語言文字的圖像需要仔細配置。 與 PDF 不同，圖像可能包含不同的文字方向、字體和混合文字。 IronOCR 的 Tesseract 集成為這些場景提供了全面的語言配置選項。

// Example code for reading multi-language image with IronOCR
using IronOcr;

// Initialize IronTesseract OCR engine
var Ocr = new IronTesseract();

:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-image-input.cs

// Example code for reading multi-language image with IronOCR
using IronOcr;

// Initialize IronTesseract OCR engine
var Ocr = new IronTesseract();

using IronOcr;
using System;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Set primary language to Russian
ocrTesseract.Language = OcrLanguage.Russian;
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese);

// Add image
using var imageInput = new OcrImageInput(@"example.png");
// Perform OCR
OcrResult result = ocrTesseract.Read(imageInput);

// Output extracted text to console
Console.WriteLine(result.Text);

多語言OCR的關鍵要點是什麼？

IronOCR 使用 Tesseract 引擎，能夠有效地從多語言文件中提取文字。 它能夠處理多種語言文字的複雜讀取問題，提供了多功能的解決方案。 無論是處理包含多種語言的 PDF 文件，或是處理多語言影像內容，IronOCR 都能簡化跨語言文字的辨識與擷取。

IronOCR在多語言文本擷取方面的主要優勢：

-廣泛的語言支援：透過 NuGet 套件支援超過125 種國際 OCR 語言
-靈活配置：主語言和輔助語言設定的簡易 API
-高精度：採用 Tesseract 5 的先進辨識演算法
-效能優化：內建多執行緒支持
-跨平台相容性：可在 Windows、Linux 和 macOS 上執行

IronOCR 提供了一個全面的解決方案，將易用性與強大的功能相結合，用於多語言 OCR 實現。 建立文件管理系統、翻譯工具或任何需要多語言文字擷取的應用程序，並具備成功所需的靈活性和可靠性。

從 NuGet 下載 IronOCR，並瀏覽我們的文件和範例，即可開始您的多語言 OCR 專案。 針對特定用例或進階場景，我們的故障排除指南可提供最佳結果的見解。