IronBarcode架构（2025.2+）

Curtis Chau

Updated: 2026年6月29日

Download IronBarcode

• NuGet Download
• DLL Download

• ---

• Start Free Trial

Copy for LLMs

• Copy for LLMs

  Copy page as Markdown for LLMs
  # IronBarcode架构（2025.2+） 截至2025.2版本，IronBarcode包被拆分为独立的托管、原生和机器学习层。 其结构反映了IronOCR和IronPDF已使用的命名约定，提供更简洁的跨平台支持以及更易于维护。 ## 包结构 ### 主要发行版 顶级NuGet包映射到目标平台： - **`BarCode`:** Windows的默认包，以及通用用途的主要NuGet。 - **`BarCode.Linux`, `BarCode.MacOS` 及类似的：**遵循与IronOCR和IronPDF相同命名惯例的特定操作系统分发版。 ### 内部包层 每个顶级包都是由多个内部子包组装而成，每一个负责一个关注点。 #### 1. `BarCode.Slim` 持有托管核心：C#代码、互操作层，所有PDF相关代码，以及每个C#第三方依赖。 这是推动IronBarcode托管功能的核心逻辑和绑定层。 #### 2. `IronSoftware.ReaderInternals.XXX` 包含原生的C++代码，用于读取、写入以及检测条形码。 针对Windows、Linux、Mac及其他平台存在特定的变体。 #### 3. `BarCode.Detection` 承担机器学习检测逻辑，当前用C#编写，基于ONNX Runtime。在这个阶段，它不依赖操作系统。 `BarCode.Detection`最终将移动到ncnn，一个本地C++机器学习推理库，而后将引入特定操作系统的变体。 ### 移动平台排除项 `Barcode.Android`中。 这次省略是故意的：在移动平台上，机器学习检测引发性能问题和兼容性限制。 ## 好处 重构的架构提供了： - 托管代码和本机代码之间的模块化分离。 - 干净的、针对操作系统的打包。 - 为高性能本地机器学习检测提供未来保障。 - 与其他Iron Software库更紧密的对齐。 - 更容易的维护和故障排除。

• ---

• Open in ChatGPT

  Ask ChatGPT about this page
• Open in Gemini

  Ask Gemini about this page
• Open in Grok

  Ask Grok about this page
• Open in Perplexity

  Ask Perplexity about this page

Share

• Share on Facebook
• Share on X (Twitter)
• Share on LinkedIn

• ---

• Email article

截至2025.2版本，IronBarcode包被拆分为独立的托管、原生和机器学习层。 其结构反映了IronOCR和IronPDF已使用的命名约定，提供更简洁的跨平台支持以及更易于维护。

包结构

主要发行版

顶级NuGet包映射到目标平台：

• BarCode: Windows的默认包，以及通用用途的主要NuGet。
• **BarCode.Linux, BarCode.MacOS 及类似的：**遵循与IronOCR和IronPDF相同命名惯例的特定操作系统分发版。

内部包层

每个顶级包都是由多个内部子包组装而成，每一个负责一个关注点。

1. BarCode.Slim

持有托管核心：C#代码、互操作层，所有PDF相关代码，以及每个C#第三方依赖。 这是推动IronBarcode托管功能的核心逻辑和绑定层。

2. IronSoftware.ReaderInternals.XXX

包含原生的C++代码，用于读取、写入以及检测条形码。 针对Windows、Linux、Mac及其他平台存在特定的变体。

3. BarCode.Detection

承担机器学习检测逻辑，当前用C#编写，基于ONNX Runtime。在这个阶段，它不依赖操作系统。

BarCode.Detection最终将移动到ncnn，一个本地C++机器学习推理库，而后将引入特定操作系统的变体。

移动平台排除项

Barcode.Android中。 这次省略是故意的：在移动平台上，机器学习检测引发性能问题和兼容性限制。

好处

重构的架构提供了：

• 托管代码和本机代码之间的模块化分离。
• 干净的、针对操作系统的打包。
• 为高性能本地机器学习检测提供未来保障。
• 与其他Iron Software库更紧密的对齐。
• 更容易的维护和故障排除。

Curtis Chau

立即与工程团队聊天

技术作家

Curtis Chau 拥有卡尔顿大学的计算机科学学士学位，专注于前端开发，精通 Node.js、TypeScript、JavaScript 和 React。他热衷于打造直观且美观的用户界面，喜欢使用现代框架并创建结构良好、视觉吸引力强的手册。

...

阅读更多