1. IronOCR
  2. 操作指南
  3. 閱讀多種語言
如何使用 Tesseract 支持多語言

如何在C#中使用Tesseract處理多語言

Kannaopat Udonpant
Kannapat Udonpant
已更新:
This article was translated from English: Does it need improvement?
Translated
View the article in English

IronOCR通過配置主語言和次語言，以及使用Tesseract引擎，能夠從多語言文件中提取文字，只需一行程式碼即可支持超過125種語言包，實現無縫的多語言OCR處理。

介紹

IronOCR使用Tesseract引擎作為可靠的OCR工具，提供從多種語言和文字中提取文字的功能。

本文探討IronOCR如何通過Tesseract處理多語言文字。 您將學習如何實施多語言OCR解決方案，並了解IronOCR及其Tesseract引擎整合的功能。

處理多語言文件對於現代應用至關重要。 國際商業文件、多語言網站和全球通信平台需要跨越語言障礙精確提取文字。 IronOCR通過整合Tesseract的廣泛語言支持，實現從包含多種文字和字元集的文件中同時提取文字，以滿足該需求。

快速開始：使用IronOCR識別多語言文字

在一行中配置IronOCR的主要語言和次要語言，以便從多語言文件或圖像中提取文字。

  1. 使用NuGet套件管理器安裝https://www.nuget.org/packages/IronOcr

    PM > Install-Package IronOcr

  2. 複製並運行這段程式碼片段。

    string text = new IronTesseract { Language = OcrLanguage.Spanish }.AddSecondaryLanguage(OcrLanguage.French).Read("doc_or_image_path").Text;

  3. 部署以在您的實時環境中測試

    今天就開始在您的專案中使用IronOCR，透過免費試用

    arrow pointer

最小化工作流程 (5 步)

  1. 下載用於讀取多語言的C#程式庫
  2. 準備好用於讀取的 PDF 文件和影像
  3. 通過NuGet安裝額外的語言包。
  4. 使用AddSecondaryLanguage方法啟用所需語言。
  5. 設置Language屬性更改預設語言。


如何使用IronOCR讀取多語言PDF？

IronOCR提供約125種語言包； 預設情況下僅安裝英文。 從NuGet下載其他語言。 在這裡查看所有可用的語言包。

包含多種語言的PDF需要特定的OCR引擎配置。 IronOCR允許您在處理文件之前指定主語言和次語言，確保在不同文字和字元集中達到最佳識別準確性。

哪些語言可用於PDF提取？

以下範例顯示如何在IronOCR中使用多種語言從PDF文件中提取文字。

: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);
Imports IronOcr
Imports System

' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()

' Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian)

' Add PDF
Dim pdfInput = New OcrPdfInput("example.pdf")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(pdfInput)

' Output extracted text to console
Console.WriteLine(result.Text)
$vbLabelText   $csharpLabel

對於複雜的PDF處理場景，請查看我們的PDF OCR Text Extraction指南，其中介紹各種PDF格式和結構的高級技術。

語言優先順序如何影響OCR結果？

使用AddSecondaryLanguage方法新增任意數量的次語言。 請注意，額外的語言可能會影響速度和性能。 語言優先順序取決於新增的順序，第一個具有較高優先順序。

理解語言優先順序對於處理多語言文件至關重要。 主語言在文字提取過程中具有最高優先順序——OCR引擎首先嘗試對應主語言字元集中的字元。 當遇到不匹配主語言模式的字元時，會查詢次語言。

為了獲得最佳性能：

  • 將文件中最常見的語言設置為主要
  • 按文件中的頻率順序新增次語言
  • 將次語言限制為您的使用案例所需的語言

對於多語言的高性能應用，請查看我們的快速OCR配置指南，以優化處理速度。

如何使用Tesseract處理多語言圖像？

預設主要語言為英語。 要更改它，設置Language屬性為您想要的語言，然後根據需要新增次要語言。

包含多語種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、不同的字體和混合文字。IronOCR的Tesseract整合為這些場景提供了綜合的語言配置選項。

何時應更改預設語言設置？

當情況如下時，更改預設語言：

  • 文件大多數為非英文
  • 處理來自特定地區或國家的文件
  • 您的應用目標使用非英文內容的使用者
  • 優化特定字元集的識別準確性

以下是完整的多語言圖像處理範例：

// 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);
Imports IronOcr
Imports System

' Initialize IronTesseract OCR engine
Dim Ocr As New IronTesseract()

' Instantiate IronTesseract
Dim ocrTesseract As New IronTesseract()

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

' Add image
Using imageInput As New OcrImageInput("example.png")
    ' Perform OCR
    Dim result As OcrResult = ocrTesseract.Read(imageInput)

    ' Output extracted text to console
    Console.WriteLine(result.Text)
End Using
$vbLabelText   $csharpLabel

對於自訂語言或專業字體，請參見我們的使用自訂語言文件教程。

我可以從多語言OCR中期望得到什麼結果？

正確配置產生的結果如下：

多語言文字處理應用顯示俄文和日文內容，控制台輸出顯示字元處理

多語言OCR結果的質量取決於以下幾個因素：

  1. 圖像質量：較高的解析度（300+ DPI）產生更好的結果。 查看我們的DPI設置指南。
  2. 文字清晰度：清晰、定義良好的文字無偽影可以更準確地識別
  3. 語言配置：適當的主要和次要語言設置確保正確的字元識別模式
  4. 預處理：適當的過濾器會顯著改善結果。 參見我們的圖像校正過濾器指南，了解增強技術。

多語言OCR的關鍵要點是什麼？

利用Tesseract引擎，IronOCR能夠有效地從多語言文件中提取文字。 它處理多語言文字閱讀的複雜性，提供了靈活的解決方案。 無論是處理包含各種語言的PDF，還是處理包含多語言內容的圖像，IronOCR簡化了跨語言的文字識別和提取。

IronOCR多語言文字提取的主要優勢：

  • 廣泛的語言支持：超過125種國際OCR語言通過NuGet包提供
  • 靈活的配置：簡單的API提供主語言和次要語言設置
  • 高準確性：使用Tesseract 5的先進識別算法
  • 性能優化：內建多執行緒支援
  • 跨平台相容性：可運行於Windows、Linux和macOS

IronOCR提供了一個結合易用性與強大功能的綜合解決方案，用於多語言OCR實施。 構建文件管理系統、翻譯工具或任何需要多語言文字提取的應用程式，擁有實現成功所需的靈活性和可靠性。

通過從NuGet下載IronOCR並探索我們的文件和範例，開始您的多語言OCR項目。 針對特定使用案例或高級場景，我們的故障排除指南為優化結果提供了見解。

常見問題

如何對包含多種語言的文件進行 OCR？

IronOCR 可讓您只需一行程式碼即可配置多語言 OCR。通過 Language 屬性設置主要語言，通過 AddSecondaryLanguage 方法新增次要語言。 這使 IronOCR 能夠同時從包含多種字體和字元集的文件中準確提取文字。

支持哪些語言的文字提取？

IronOCR 通過其 Tesseract 引擎整合支持超過 125 種語言包。雖然預設安裝英語，您可以從 NuGet 下載其他語言包，以啟用包括西班牙語、法語、阿拉伯語、中文、日語等多種語言的 OCR 功能。

如何為 OCR 處理新增次要語言？

在 IronOCR 中使用 AddSecondaryLanguage 方法以啟用其他語言。例如：new IronTesseract { Language = OcrLanguage.Spanish }.AddSecondaryLanguage(OcrLanguage.French)。 此配置使 IronOCR 能夠在同一文件中識別西班牙語和法語的文字。

我可以從多語言 PDF 中提取文字嗎？

可以，IronOCR 可以處理包含多種語言的 PDF。在處理之前，只需使用主要和次要語言配置 OCR 引擎即可。 IronOCR 將自動處理 PDF 中的不同字體和字元集，確保準確地從文件中提取所有語言的文字。

我需要單獨安裝語言包嗎？

是的，雖然 IronOCR 預設包含英語，但必須通過 NuGet 安裝其他語言包。每個語言包包含 Tesseract 引擎識別該特定語言文字所需的資料。您可以從 IronOCR 語言頁面查看並下載所有可用的語言包。

多語言 OCR 的簡化工作流程是什麼？

簡化的工作流程包括 5 個步驟：1）下載 IronOCR 程式庫，2）準備您的 PDF 或圖像文件，3）通過 NuGet 安裝所需的語言包，4）使用 AddSecondaryLanguage 方法啟用其他語言，5）設置 Language 屬性以設置主要語言。此設置能夠準確提取多語言文字。

IronOCR能整合到現有的應用程式中嗎？

IronOCR被設計成可以輕鬆地整合到現有應用程式中，使用C#允許開發人員以最小的努力為其軟體新增OCR功能。

使用IronOCR進行文件管理的好處是什麼？

使用IronOCR進行文件管理通過將掃描的文件轉換為可搜索和可編輯的文字來簡化工作流程，減少手動資料輸入的需求並提高文件的可存取性。

IronOCR如何提高資料精確性？

IronOCR通過其先進的識別算法和影像校正功能提高資料精確性，確保文字提取過程既可靠又精確。

IronOCR有免費試用版嗎？

有的，Iron Software提供IronOCR的免費試用版，允許使用者在做出購買決定前測試其功能和能力。

Kannaopat Udonpant
Kannapat Udonpant
  立即與工程團隊聊天
軟體工程師
在成為軟體工程師之前，Kannapat在日本北海道大學完成了環境資源博士學位。在攻讀學位期間，Kannapat還成為車輛機器人實驗室的一員，該實驗室隸屬於生產工程系。在2022年，他憑藉C#技能加入了Iron Software的工程團隊，專注於IronPDF。Kannapat珍視他的工作，因為他能直接向撰寫大部分IronPDF程式碼的開發者學習。除了同儕學習，Kannapat還喜歡在Iron Software工作的社交方面。不寫程式碼或文件時，Kannapat通常在他的PS5上玩遊戲或重看The Last of Us。
由...審核
Jeff Fritz
Jeffrey T. Fritz
首席計劃經理 - .NET社區團隊
Jeff還是.NET和Visual Studio團隊的首席計劃經理。他是.NET Conf虛擬會議系列的執行製作人，並主持每週兩次的開發者直播節目'Fritz and Friends'，在節目中討論技術並與觀眾一起撰寫程式碼。Jeff撰寫工作坊、演講和內容計劃，為微軟開發者的最大活動如Microsoft Build、Microsoft Ignite、.NET Conf和Microsoft MVP Summit提供內容支援。
準備開始了嗎？
Nuget 下載 6,136,090 | 版本： 2026.7 剛剛發布
Still Scrolling Icon

還在滾動？

想要快速證明？ PM > Install-Package IronOcr
執行範例 觀看您的圖像轉變為可搜尋文字。