如何在C#中使用Tesseract處理多語言

Kannapat Udonpant

Updated: 2026年6月29日

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。

1Install IronOCR with NuGet Package Manager
PM > Install-Package IronOcr
```
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;

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

最小化工作流程 (5 步)

下載用於讀取多語言的C#程式庫
準備好用於讀取的 PDF 文件和影像
通過NuGet安裝額外的語言包。
使用AddSecondaryLanguage方法啟用所需語言。
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。

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);

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)

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)

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：

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);

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

' 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

Imports IronOcr
Imports System

' 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

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：

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。
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
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
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。

What are the benefits of using IronOCR for multi-language text extraction?

IronOCR offers extensive language support, flexible language configuration, high accuracy with Tesseract 5's algorithms, performance optimization with multithreading, and cross-platform compatibility, making it ideal for applications requiring multilingual text extraction.