IronOCR 和 Abbyy Finereader 之间的比较

1.1 ABBYY FineReader PDF — 简介和特性

ABBYY FineReader PDF是由ABBYY创建的光学字符识别（OCR）应用程序。 它允许我们将图像文档（图片、扫描件、PDF文件）以及屏幕截图转换为可编辑的文件格式，如Microsoft Word、Microsoft Excel、Microsoft PowerPoint、富文本格式、HTML、PDF/A、可搜索的PDF、CSV和文本（纯文本）。

ABBYY FineReader是可用于Windows、Linux和macOS的桌面应用程序。 它还允许为pdf文件创建可编辑的格式。 我们也可以像使用Adobe Acrobat一样阅读PDF文件。 ABBYY FineReader将扫描的文档集成到数字化流程中。

以简单高效的方式管理和完成文档，以节省时间和精力。 以同样的方法处理任何文档，无论是数字创建的还是从纸质转换的。 无需先转换即可更改PDF的文本、表格和完整布局。

ABBYY FineReader PDF可以直接从纸质文档创建超过25种不同文件格式的PDF，或通过几乎任何应用程序打印到PDF打印机。 支持PDF/A-1至PDF/A-3的长期存档，以及PDF/UA确保内容在使用辅助软件（如屏幕阅读器）时可访问。 它还使专业人士能够在数字工作环境中最大程度地提高效率。

使用ABBYY FineReader创建和更新您自己的交互式PDF表单，以成功收集信息和标准化文档。 通过组合各种类型的交互字段、设置操作、编辑现有PDF表单或者向传统PDF添加表单元素来创建表单。

ABBYY FineReader可以立即将纸质文档、扫描件和扫描的PDF转换为可搜索的PDF，使您能够从数字档案中检索文档并访问其中包含的信息。 FineReader PDF支持所有合规级别和PDF/A格式的变体，这是长期存档的行业标准，从PDF/A-1至PDF/A-3。

ABBYY最新的基于AI的OCR技术，FineReader PDF，使得数字化、检索、编辑、保护、共享和协作处理各种类型的文档在同一工作流程中变得更容易。 FineReader还包括文档比较功能，帮助我们比较原始文档以及转换后的PDF和图像文件。

1.2 IronOCR — 简介和特性

IronOCR为使用IronOCR for .NET来从.NET应用程序和网站中读取照片和PDF中的文本内容的工程师提供软件。 它扫描照片中的文本和条形码，并支持全球多个语言； 然后它可以将输出作为纯文本或结构化数据提供。 Iron Software的OCR库可以用于MVC、Web、控制台和桌面.NET应用程序。 对于商业部署，提供开发团队的直接支持的许可。

• 使用最新的Tesseract 5引擎，IronOCR可以从任何图片或PDF格式中读取文本、条形码和QR码。 该库可快速为桌面、控制台和网页应用程序添加OCR功能。
• IronOCR支持125种国际语言。 它还支持自定义语言和词汇表。
• IronOCR可以读取超过20种条形码格式和QR码。
• IronOCR支持多页GIF和TIFF图像格式。
• IronOCR为低质量的扫描图像提供校正功能。
• IronOCR支持多线程——它一次执行一个或多个进程。
• IronOCR可以为页面、段落、行、单词、字符等提供结构化数据输出。
• IronOCR支持各种操作系统，例如Windows、Linux、macOS等。

3.1 安装ABBYY FineReader PDF

我们可以在这里下载ABBYY FineReader。

上图显示有两个版本，个人版和企业版，您可以根据需求下载。 选择"下载免费试用"选项。 它会将您重定向到如下图所示的表单：

我们需要填写表单以获取EXE文件位置。 单击下载选项以下载文件。

一旦文件下载完成，我们可以双击EXE文件以开始安装。 完成后，它将显示弹出消息，现在准备就绪可使用。

3.2 安装IronOCR

IronOCR库可以通过四种方式下载和安装。

这些是：

• 使用Visual Studio
• 使用 Visual Studio 命令行
• 从NuGet网站直接下载
• 从IronPDF网站直接下载

3.2.1 使用Visual Studio

Visual Studio软件提供NuGet包管理器选项直接将包安装到解决方案。 下面的截图显示了如何打开NuGet包管理器。

它提供了一个搜索框，以显示NuGet网站上的包列表。在包管理器中，我们需要搜索关键字IronOCR，如下图所示：

从上图中可以获得相关搜索项的列表。 我们需要选择所需的选项将包安装到解决方案中。

3.2.2 使用Visual Studio命令行

在Visual Studio中，转至工具 -> NuGet包管理器 -> 包管理器控制台

在包管理器控制台标签中输入以下行：

Install-Package IronOcr

此命令将下载并安装包到当前项目中，并可以使用。

3.2.3 从NuGet网站直接下载

第三种方法是直接从网站下载NuGet包。

• Navigate to the Link.
• 从右侧菜单中选择下载包选项。
• 双击已下载的包。 它将自动安装。
• 接下来，重新加载解决方案并开始在项目中使用它。

3.2.4 从IronOCR网站直接下载

Click the link here to download the latest package direct from the website. Once downloaded, follow the steps below to add the package to the project.

• 从解决方案窗口右键点击项目。
• 然后，选择"添加引用"选项，并浏览已下载引用的所在位置。
• 然后，单击确定以添加参考。

4.1 使用ABBYY FineReader PDF

接下来，打开ABBYY FineReader PDF应用程序，它将以多个选项打开，如下图所示。

接下来，从OCR编辑器选项中选择"打开"选项。 这将提示选择图像文件的选项：

选择文件后，它将自动开始将图像扫描为可编辑文本，然后在窗口中显示结果，如下图所示：

上图显示了源图像已转换为可编辑文本。 然而，结果不是太准确。 在对比窗口中右侧显示的ABBYY FineReader PDF应用程序并未识别出一些数字。在左侧是源图像，右侧是OCR转换文本。

4.2 使用IronOCR

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create a new OcrInput object to manage input images
using (var Input = new OcrInput())
{
    // Add an image to the input for processing
    Input.AddImage(@"3.png");

    // Perform OCR to read text from the image
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
    Console.ReadKey();
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create a new OcrInput object to manage input images
using (var Input = new OcrInput())
{
    // Add an image to the input for processing
    Input.AddImage(@"3.png");

    // Perform OCR to read text from the image
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
    Console.ReadKey();
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create a new OcrInput object to manage input images
Using Input = New OcrInput()
	' Add an image to the input for processing
	Input.AddImage("3.png")

	' Perform OCR to read text from the image
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
	Console.ReadKey()
End Using

上面展示的Tesseract 5 API允许我们将图像文件转换为文本。 在上述代码片段中，我们创建了IronTesseract实例。 我们还使用了一个OcrInput对象，它允许我们添加一个或多个图像文件。 在利用OcrInput对象方法AddImage时，我们必须在代码中提供可用图像的路径。 可以添加任意数量的图像。 我们之前构建的IronTesseract对象中的Read功能可以用于执行OCR，通过解析图像文件并将结果提取到OCR结果中。 它能够从图像中提取文本并将其转换为字符串。

我们还可以使用Tesseract添加多帧图像。 AddMultiFrameTiff是进行此操作的另一种方法。 Tesseract库读取图像中的每一帧，每一帧被视为一个独立的页面。 过程中将读取图像的第一帧，然后继续下一个帧，如此进行，直到图像的所有帧都被扫描。 此方法仅支持tiff图像格式。

上图是IronOCR结果的输出，准确地显示数据已正确转换为可编辑文本。

5.1 使用ABBYY FineReader PDF

打开ABBYY FineReader PDF软件。 这将打开一个页面，如下图所示，提供多种选择。

接下来，从OCR编辑器选项中选择"打开"选项。 这将提示您选择图像/PDF的选项。 我们可以选择PDF或图像，也可以选择两个文件。

在选择文件后，点击OK按钮。 它将自动开始将图像扫描为可编辑文本，并在窗口中显示结果，如下图所示。

上图展示了源PDF已转换为可编辑文本。 然而，结果并不完全准确。 ABBYY FineReader PDF应用程序没有识别出一些数字。 在对比窗口中左侧是源PDF，右侧是OCR转换的文本，显示得非常清楚。

5.2 使用IronOCR

我们还可以使用OCRInput来管理PDF文件。 每一页文档都将由Iron Tesseract类读取。 然后将从页面中提取文本。 我们还可以使用名为AddPdf的第二种功能打开受保护的文档，它允许我们将PDF添加到我们的文档列表中（如果受保护，则输入密码）。 以下代码展示了如何打开密码保护的PDF文档：

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a password-protected PDF to the input
    Input.AddPdf("example.pdf", "password");

    // Perform OCR to read text from the PDF
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a password-protected PDF to the input
    Input.AddPdf("example.pdf", "password");

    // Perform OCR to read text from the PDF
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input PDFs
Using Input = New OcrInput()
	' Add a password-protected PDF to the input
	Input.AddPdf("example.pdf", "password")

	' Perform OCR to read text from the PDF
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Iron Tesseract还提供以下方法：

• AddPdfPage
• AddPdfPages

我们可以使用AddPdfPage读取和提取PDF文档中单页的内容。 只需指定要提取文本的页码即可。 AddPdfPages允许我们从指定的多页中提取文本。 在IEnumerable<int>中，我们只需指定页数。 我们还必须包含文件位置和扩展名。这在以下代码示例中展示：

// Define numbers representing pages to extract from the PDF
IEnumerable<int> numbers = new List<int> { 2, 8, 10 };

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a specific page from PDF for OCR
    // Input.AddPdfPage("example.pdf", 10);

    // Add multiple specific pages from PDF for OCR
    // Input.AddPdfPages("example.pdf", numbers);

    // Perform OCR to read text from the specified pages
    var Result = Ocr.Read(Input);

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

    // Save the extracted text to a file
    Result.SaveAsTextFile("ocrtext.txt");
}

// Define numbers representing pages to extract from the PDF
IEnumerable<int> numbers = new List<int> { 2, 8, 10 };

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a specific page from PDF for OCR
    // Input.AddPdfPage("example.pdf", 10);

    // Add multiple specific pages from PDF for OCR
    // Input.AddPdfPages("example.pdf", numbers);

    // Perform OCR to read text from the specified pages
    var Result = Ocr.Read(Input);

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

    // Save the extracted text to a file
    Result.SaveAsTextFile("ocrtext.txt");
}

' Define numbers representing pages to extract from the PDF
Dim numbers As IEnumerable(Of Integer) = New List(Of Integer) From {2, 8, 10}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input PDFs
Using Input = New OcrInput()
	' Add a specific page from PDF for OCR
	' Input.AddPdfPage("example.pdf", 10);

	' Add multiple specific pages from PDF for OCR
	' Input.AddPdfPages("example.pdf", numbers);

	' Perform OCR to read text from the specified pages
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)

	' Save the extracted text to a file
	Result.SaveAsTextFile("ocrtext.txt")
End Using

使用SaveAsTextFile功能，我们可以将结果存储为文本文件，使我们能够将文件下载到输出目录路径。 此外，我们可以使用SaveAsHocrFile将文件保存为HTML文件。

6.1 使用ABBYY FineReader PDF

FineReader具有一些额外选项，如：绘制文本区、绘制图片区、绘制表格区、_绘制识别区_等。这些帮助用户改进OCR的性能。 此外，除了执行OCR操作外，应用程序还允许用户完成合并PDF、分割PDF、编辑PDF等操作。

6.2 使用IronOCR

IronOCR具有独特的功能，允许我们从扫描文档中读取条形码和QR码。 以下代码显示了如何从给定的图像或文档中读取条形码。

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Add an image containing barcodes
    Input.AddImage("barcode.gif");

    // Perform OCR to read text and barcodes from the image
    var Result = Ocr.Read(Input);

    // Iterate through detected barcodes and output their values
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
    }
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Add an image containing barcodes
    Input.AddImage("barcode.gif");

    // Perform OCR to read text and barcodes from the image
    var Result = Ocr.Read(Input);

    // Iterate through detected barcodes and output their values
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
    }
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.ReadBarCodes = True
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create OcrInput to manage input images
Using Input = New OcrInput()
	' Add an image containing barcodes
	Input.AddImage("barcode.gif")

	' Perform OCR to read text and barcodes from the image
	Dim Result = Ocr.Read(Input)

	' Iterate through detected barcodes and output their values
	For Each Barcode In Result.Barcodes
		Console.WriteLine(Barcode.Value)
	Next Barcode
End Using

以上代码有助于从给定的图像或PDF文档中读取条形码。 它能够从一个页面/图像中读取不止一个条形码。 为了读取条形码，IronOCR具有一个名为Ocr.Configuration.ReadBarCodes的独特设置，帮助读取条形码； 默认值设置为false。

读取输入后，数据将保存在一个名为OCRResult的对象中； 该对象具有一个名为Barcodes的属性，它将所有可用的条形码数据组装成一个列表。通过使用foreach循环，我们可以逐一获取所有条形码的详细信息。 此外，它将扫描条形码并读取条形码的值——在一个过程中完成两项操作！

此外，还支持线程选项，这意味着我们可以同时执行多个OCR过程。IronOCR还能够从指定区域识别特定区域。

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Define a specific rectangular area on the image for OCR
    var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

    // Add an image specifying the area to be processed
    Input.Add("document.png", ContentArea);

    // Perform OCR to read text from the specified area
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Define a specific rectangular area on the image for OCR
    var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

    // Add an image specifying the area to be processed
    Input.Add("document.png", ContentArea);

    // Perform OCR to read text from the specified area
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input images
Using Input = New OcrInput()
	' Define a specific rectangular area on the image for OCR
	Dim ContentArea = New System.Drawing.Rectangle() With {
		.X = 215,
		.Y = 1250,
		.Height = 280,
		.Width = 1335
	}

	' Add an image specifying the area to be processed
	Input.Add("document.png", ContentArea)

	' Perform OCR to read text from the specified area
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

以上示例代码展示了如何对特定区域进行OCR。 我们只需在图像或PDF中指定矩形区域——IronOCR中的Tesseract引擎启用文本识别。