Tesseract C# 与IronOCR：在.NET中应该使用哪个 OCR 库？

传统.NET Framework目标定位实践

.NET Framework 4.5 的硬性边界不仅仅是一个复选框——它影响着下游的每一个架构决策。 依赖于<TargetFramework>net8.0</TargetFramework>进行目标设定。 它无法由使用mcr.microsoft.com/dotnet/sdk:8.0的GitHub Actions runner构建。 它无法部署到运行 Linux 容器的Kubernetes pod中。 一旦组织的其他部门越过那条界限，OCR 服务就成了孤儿。

SDK自身的初始化代码直接暴露了这一点。 tesseract-net-sdk-basic-ocr.cs中的基本使用模式包括一个显式的Windows平台保护装置：

// Install: Install-Package Tesseract.Net.SDK
// Platform: Windows ONLY (.NET Framework 2.0-4.5)
using Patagames.Ocr;

public string ExtractTextSimple(string imagePath)
{
    // Platform check — Tesseract.Net.SDK is Windows-only
    if (!RuntimeInformation.IsOSPlatform(OSPlatform.Windows))
    {
        throw new PlatformNotSupportedException(
            "Tesseract.Net.SDK only supports Windows.");
    }

    // Verify tessdata exists
    if (!Directory.Exists(@".\tessdata"))
    {
        throw new DirectoryNotFoundException(
            "tessdata folder not found. Download traineddata files from GitHub.");
    }

    using (var api = OcrApi.Create())
    {
        api.Init(Languages.English);       // loads eng.traineddata (~40 MB)
        return api.GetTextFromImage(imagePath);
    }
}

// Install: Install-Package Tesseract.Net.SDK
// Platform: Windows ONLY (.NET Framework 2.0-4.5)
using Patagames.Ocr;

public string ExtractTextSimple(string imagePath)
{
    // Platform check — Tesseract.Net.SDK is Windows-only
    if (!RuntimeInformation.IsOSPlatform(OSPlatform.Windows))
    {
        throw new PlatformNotSupportedException(
            "Tesseract.Net.SDK only supports Windows.");
    }

    // Verify tessdata exists
    if (!Directory.Exists(@".\tessdata"))
    {
        throw new DirectoryNotFoundException(
            "tessdata folder not found. Download traineddata files from GitHub.");
    }

    using (var api = OcrApi.Create())
    {
        api.Init(Languages.English);       // loads eng.traineddata (~40 MB)
        return api.GetTextFromImage(imagePath);
    }
}

Imports Patagames.Ocr
Imports System.Runtime.InteropServices
Imports System.IO

Public Function ExtractTextSimple(ByVal imagePath As String) As String
    ' Platform check — Tesseract.Net.SDK is Windows-only
    If Not RuntimeInformation.IsOSPlatform(OSPlatform.Windows) Then
        Throw New PlatformNotSupportedException("Tesseract.Net.SDK only supports Windows.")
    End If

    ' Verify tessdata exists
    If Not Directory.Exists(".\tessdata") Then
        Throw New DirectoryNotFoundException("tessdata folder not found. Download traineddata files from GitHub.")
    End If

    Using api = OcrApi.Create()
        api.Init(Languages.English) ' loads eng.traineddata (~40 MB)
        Return api.GetTextFromImage(imagePath)
    End Using
End Function

在进行单行 OCR 工作之前会出现两个防御性检查：确认 Windows，确认 tessdata。 在任何非 Windows 主机上，该方法在到达引擎之前就会抛出异常。在任何部署期间未复制 tessdata 文件夹的机器上，也会再次抛出异常。 这两个检查都不是样板代码——它们都代表了开发人员在生产环境中遇到的故障模式。

详细功能对比

Tesseract .NET.SDK 方法

Tesseract .NET.SDK 的目标框架为.NET Framework 2.0 至 4.5。所有依赖于它的项目本身都必须面向这些框架版本之一。 迁移对比文件在设置部分确认了这一限制：

// Install: Install-Package Tesseract.Net.SDK
// License: Commercial (Patagames)
// Platform: Windows ONLY (.NET Framework 2.0-4.5)
//
// Requirements:
//   - tessdata folder must exist in bin/Debug/or bin/Release/
//   - Download traineddata files from https://github.com/tesseract-ocr/tessdata
//   - Windows operating system (no Linux/macOS support)

using Patagames.Ocr;

// Multi-language setup — all traineddata files must be manually downloaded
using (var api = OcrApi.Create())
{
    // Combine languages with bitwise OR
    api.Init(Languages.English | Languages.German | Languages.French);

    string text = api.GetTextFromImage(imagePath);
    return text;
}

// Install: Install-Package Tesseract.Net.SDK
// License: Commercial (Patagames)
// Platform: Windows ONLY (.NET Framework 2.0-4.5)
//
// Requirements:
//   - tessdata folder must exist in bin/Debug/or bin/Release/
//   - Download traineddata files from https://github.com/tesseract-ocr/tessdata
//   - Windows operating system (no Linux/macOS support)

using Patagames.Ocr;

// Multi-language setup — all traineddata files must be manually downloaded
using (var api = OcrApi.Create())
{
    // Combine languages with bitwise OR
    api.Init(Languages.English | Languages.German | Languages.French);

    string text = api.GetTextFromImage(imagePath);
    return text;
}

Imports Patagames.Ocr

' Install: Install-Package Tesseract.Net.SDK
' License: Commercial (Patagames)
' Platform: Windows ONLY (.NET Framework 2.0-4.5)
'
' Requirements:
'   - tessdata folder must exist in bin/Debug/or bin/Release/
'   - Download traineddata files from https://github.com/tesseract-ocr/tessdata
'   - Windows operating system (no Linux/macOS support)

' Multi-language setup — all traineddata files must be manually downloaded
Using api = OcrApi.Create()
    ' Combine languages with bitwise OR
    api.Init(Languages.English Or Languages.German Or Languages.French)

    Dim text As String = api.GetTextFromImage(imagePath)
    Return text
End Using

using (var api = OcrApi.Create())模式是惯用的.NET Framework 2.0。它使用C# 1.0的using语句而不是C# 8.0的using var声明。 命名空间是Patagames.Ocr。 该语言组合使用枚举值的按位或运算。 在SDK样式项目文件中，这段代码无法针对Tesseract.Net.SDK本身不产生兼容的程序集。

团队之所以仍然使用.NET Framework 4.5，并非出于个人偏好。 它们之所以存在，是因为依赖项（有时包括 OCR 库）无法升级。 选择 Tesseract .NET.SDK 会加深这种依赖链。

IronOCR方法

IronOCR支持.NET Framework 4.6.2 以及.NET 9 及之前的所有现代.NET运行时环境。同一个程序包二进制文件可以在所有这些环境中运行。 将项目从.NET Framework 4.8 升级到.NET 8 不需要替换 OCR 库。

// Works on .NET Framework 4.6.2, .NET Core, .NET 5/6/7/8/9
// Same NuGet package, same API, same results
using IronOcr;

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;
ocr.AddSecondaryLanguage(OcrLanguage.German);
ocr.AddSecondaryLanguage(OcrLanguage.French);

var result = ocr.Read("document.jpg");
Console.WriteLine(result.Text);
Console.WriteLine($"Confidence: {result.Confidence}%");

// Works on .NET Framework 4.6.2, .NET Core, .NET 5/6/7/8/9
// Same NuGet package, same API, same results
using IronOcr;

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;
ocr.AddSecondaryLanguage(OcrLanguage.German);
ocr.AddSecondaryLanguage(OcrLanguage.French);

var result = ocr.Read("document.jpg");
Console.WriteLine(result.Text);
Console.WriteLine($"Confidence: {result.Confidence}%");

Imports IronOcr

' Works on .NET Framework 4.6.2, .NET Core, .NET 5/6/7/8/9
' Same NuGet package, same API, same results

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.English
ocr.AddSecondaryLanguage(OcrLanguage.German)
ocr.AddSecondaryLanguage(OcrLanguage.French)

Dim result = ocr.Read("document.jpg")
Console.WriteLine(result.Text)
Console.WriteLine($"Confidence: {result.Confidence}%")

语言枚举类型不支持按位或运算。 没有tessdata文件夹。 无需平台检查。 IronTesseract 设置指南在一个文档中涵盖了所有受支持运行时的配置选项。

对于正在进行迁移的团队来说，实际意义在于： ASP.NET Core 8 项目和传统的.NET Framework 4.8 项目可以共享同一个IronOCR服务层。 没有条件编译，没有单独的库版本，也没有抽象层来掩盖不兼容的 API。

Tesseract .NET.SDK 方法

Tesseract .NET.SDK 提供 Windows x86 和 x64 本地二进制文件。 初始化 Tesseract 引擎的 P/Invoke 调用会解析为这些 Windows DLL。 在Linux主机上——包括基于DllNotFoundException。

来自tesseract-net-sdk-pdf-processing.cs的并行处理示例说明了这对Windows自身批处理工作的意义，甚至在考虑Linux之前：

// Windows-only: Parallel.ForEach with separate engine per thread
// Each engine loads ~40-100 MB per language
Parallel.ForEach(
    imagePaths,
    new ParallelOptions { MaxDegreeOfParallelism = 4 },
    imagePath =>
    {
        // WARNING: Must create separate OcrApi for each thread!
        // Memory usage: 4 threads × 100MB = 400MB minimum
        using (var api = OcrApi.Create())
        {
            api.Init(Languages.English);
            string text = api.GetTextFromImage(imagePath);
            results[imagePath] = text;
        }
    });

// Windows-only: Parallel.ForEach with separate engine per thread
// Each engine loads ~40-100 MB per language
Parallel.ForEach(
    imagePaths,
    new ParallelOptions { MaxDegreeOfParallelism = 4 },
    imagePath =>
    {
        // WARNING: Must create separate OcrApi for each thread!
        // Memory usage: 4 threads × 100MB = 400MB minimum
        using (var api = OcrApi.Create())
        {
            api.Init(Languages.English);
            string text = api.GetTextFromImage(imagePath);
            results[imagePath] = text;
        }
    });

四个并行线程，四个引擎实例，同时加载 400 MB 的语言数据——而这仅仅是英语的情况。 加上德语和法语，这条底线就翻倍了。 SDK 没有提供任何池化机制来缓解这个问题。 该架构与现代容器资源限制不兼容，现代容器资源限制通常会对每个 pod 的内存容量进行限制。

此外，Linux 消费计划中也没有 Azure Functions、AWS Lambda（运行在 Amazon Linux 上）和 Google Cloud Run 的途径。 所有主流的无服务器平台默认都使用 Linux 系统。 根据设计，Tesseract .NET.SDK 不包含在所有这些列表中。

IronOCR方法

IronOCR部署到Docker中，无需额外配置，只需在基于Debian的镜像上添加一行apt-get即可。 Docker部署指南涵盖了Linux和Windows容器。 同样的情况也适用于Linux 部署、 Azure和AWS 。

线程安全内置于IronTesseract。 一个实例服务于所有并行工作进程：

// Cross-platform: Windows, Linux, macOS, Docker
// Single instance — thread-safe
using IronOcr;

var ocr = new IronTesseract();

// Single engine instance shared across all threads
// 否 memory multiplication
Parallel.ForEach(imagePaths, imagePath =>
{
    using var input = new OcrInput();
    input.LoadImage(imagePath);
    var result = ocr.Read(input);
    SaveResult(imagePath, result.Text);
});

// Cross-platform: Windows, Linux, macOS, Docker
// Single instance — thread-safe
using IronOcr;

var ocr = new IronTesseract();

// Single engine instance shared across all threads
// 否 memory multiplication
Parallel.ForEach(imagePaths, imagePath =>
{
    using var input = new OcrInput();
    input.LoadImage(imagePath);
    var result = ocr.Read(input);
    SaveResult(imagePath, result.Text);
});

Imports IronOcr

' Cross-platform: Windows, Linux, macOS, Docker
' Single instance — thread-safe
Dim ocr As New IronTesseract()

' Single engine instance shared across all threads
' 否 memory multiplication
Parallel.ForEach(imagePaths, Sub(imagePath)
    Using input As New OcrInput()
        input.LoadImage(imagePath)
        Dim result = ocr.Read(input)
        SaveResult(imagePath, result.Text)
    End Using
End Sub)

四个线程，一个引擎实例，内存中一份语言数据副本。 对于具有吞吐量基准的 多线程示例， IronOCR文档详细介绍了配置选项。

Tesseract .NET.SDK 方法

Tesseract .NET.SDK 不支持 PDF。 tesseract-net-sdk-pdf-processing.cs文件在其头部坦率地介绍了这种限制：

// 关键限制：
// Tesseract .NET.SDK 本身不支持 PDF 输入。
// 您必须先使用单独的库将 PDF 页面转换为图像。
// 本示例使用 PdfiumViewer，但其他替代方案包括：
// - iTextSharp
// - Ghostscript .NET
// - Docnet.Core

结果是一个多库管道。安装PdfiumViewer。 将每个PDF页面渲染为Bitmap，分辨率为200–300 DPI。 将该位图写入临时文件。在临时文件上运行api.GetTextFromImage()。删除临时文件。对每个页面重复此步骤。 对文档中间部分出错的情况实现错误处理。 显式管理内存——GC.Collect()一次，以防止大文档的内存不足错误。

这是实际的生产代码，不是简化的示例。 它只能在 Windows 系统上运行，只能在.NET Framework上运行，并且需要第二个商业或开源依赖项，而该依赖项本身也需要部署管理。

IronOCR方法

IronOCR可以直接读取 PDF 文件。 没有辅助库，没有临时文件，没有页面渲染循环：

// Native PDF OCR — no PdfiumViewer, no temp files
using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadPdf("scanned-report.pdf");   // native PDF support
var result = ocr.Read(input);

// Access page-by-page results
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}: {page.Text}");
}

// Or produce a searchable PDF output
result.SaveAsSearchablePdf("searchable-report.pdf");

// Native PDF OCR — no PdfiumViewer, no temp files
using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadPdf("scanned-report.pdf");   // native PDF support
var result = ocr.Read(input);

// Access page-by-page results
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}: {page.Text}");
}

// Or produce a searchable PDF output
result.SaveAsSearchablePdf("searchable-report.pdf");

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadPdf("scanned-report.pdf") ' native PDF support
    Dim result = ocr.Read(input)

    ' Access page-by-page results
    For Each page In result.Pages
        Console.WriteLine($"Page {page.PageNumber}: {page.Text}")
    Next

    ' Or produce a searchable PDF output
    result.SaveAsSearchablePdf("searchable-report.pdf")
End Using

密码保护的PDF需要一个额外的参数：input.LoadPdf("encrypted.pdf", Password: "secret")。 特定页面范围使用input.LoadPdfPages("document.pdf", 1, 10)。 PDF 输入指南和可搜索的 PDF 操作指南涵盖所有变体。

PDF OCR 示例显示了完整的模式，包括置信度检查和结构化输出。 可搜索 PDF 示例演示了文档存档用例，其中扫描的 PDF 会被建立索引并可搜索。

Tesseract .NET.SDK 方法

Tesseract引擎对图像质量非常敏感。 如果不进行预处理，倾斜、低分辨率或有噪声的文档将产生质量显著下降的输出结果。 Tesseract .NET.SDK 不提供任何功能。

迁移对比文件直接量化了差距：

// Tesseract.Net.SDK: 否 preprocessing available
// Direct OCR on problematic image = garbage output
using (var api = OcrApi.Create())
{
    api.Init(Languages.English);

    // Direct OCR on problematic image — poor results
    string text = api.GetTextFromImage(imagePath);
    return text;

    // To preprocess, you need:
    // 1. Install Emgu CV or OpenCvSharp
    // 2. Implement Hough transform for skew detection
    // 3. Implement affine rotation for deskew
    // 4. Implement FastNlMeansDenoising for noise reduction
    // 5. Handle all the native OpenCV dependencies
    // This is often 200+ lines of code
}

// Tesseract.Net.SDK: 否 preprocessing available
// Direct OCR on problematic image = garbage output
using (var api = OcrApi.Create())
{
    api.Init(Languages.English);

    // Direct OCR on problematic image — poor results
    string text = api.GetTextFromImage(imagePath);
    return text;

    // To preprocess, you need:
    // 1. Install Emgu CV or OpenCvSharp
    // 2. Implement Hough transform for skew detection
    // 3. Implement affine rotation for deskew
    // 4. Implement FastNlMeansDenoising for noise reduction
    // 5. Handle all the native OpenCV dependencies
    // This is often 200+ lines of code
}

' Tesseract.Net.SDK: 否 preprocessing available
' Direct OCR on problematic image = garbage output
Using api = OcrApi.Create()
    api.Init(Languages.English)

    ' Direct OCR on problematic image — poor results
    Dim text As String = api.GetTextFromImage(imagePath)
    Return text

    ' To preprocess, you need:
    ' 1. Install Emgu CV or OpenCvSharp
    ' 2. Implement Hough transform for skew detection
    ' 3. Implement affine rotation for deskew
    ' 4. Implement FastNlMeansDenoising for noise reduction
    ' 5. Handle all the native OpenCV dependencies
    ' This is often 200+ lines of code
End Using

这番评论并非夸张之词。 使用 OpenCV 在.NET中实现生产级斜角校正功能，需要 100-200 行代码，包括初始化、角度检测、矩阵计算和仿射变换。 然后必须对该代码进行测试、维护和部署——它有自己的原生依赖链，而该依赖链又只能在 Windows 上运行。

IronOCR方法

IronOCR将预处理作为OcrInput上的一流API方法捆绑。 在 Tesseract .NET.SDK 中需要 OpenCV 集成才能完成的操作，在这里只需调用单个方法即可：

// 内置 preprocessing — no external library required
using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("skewed-invoice-scan.jpg");

input.Deskew();               // automatic angle detection and correction
input.DeNoise();              // scanner artifact removal
input.Contrast();             // contrast enhancement
input.Binarize();             // optimal threshold conversion
input.EnhanceResolution(300); // scale low-DPI images to 300 DPI

var result = ocr.Read(input);
Console.WriteLine($"Confidence: {result.Confidence}%");

// 内置 preprocessing — no external library required
using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("skewed-invoice-scan.jpg");

input.Deskew();               // automatic angle detection and correction
input.DeNoise();              // scanner artifact removal
input.Contrast();             // contrast enhancement
input.Binarize();             // optimal threshold conversion
input.EnhanceResolution(300); // scale low-DPI images to 300 DPI

var result = ocr.Read(input);
Console.WriteLine($"Confidence: {result.Confidence}%");

Imports IronOcr

' 内置 preprocessing — no external library required
Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadImage("skewed-invoice-scan.jpg")

    input.Deskew()               ' automatic angle detection and correction
    input.DeNoise()              ' scanner artifact removal
    input.Contrast()             ' contrast enhancement
    input.Binarize()             ' optimal threshold conversion
    input.EnhanceResolution(300) ' scale low-DPI images to 300 DPI

    Dim result = ocr.Read(input)
    Console.WriteLine($"Confidence: {result.Confidence}%")
End Using

图像质量校正指南和图像颜色校正指南记录了所有可用的滤镜，并提供了校正前后的精度对比。 低质量扫描示例显示了典型实际文档条件下的准确率提升数据。

具体来说，针对扫描文档工作流程，扫描文档处理指南在一篇文章中涵盖了方向检测、多页处理和批量吞吐量优化。

.NET升级导致此问题

最常见的触发因素并非对 OCR 质量不满意，而是计划中的.NET Framework升级在 OCR 层遇到了瓶颈。 升级文档管理应用程序从.NET Framework 4.7到.NET 8的团队发现Tesseract.Net.SDK没有产生兼容的目标框架程序集。 升级要么停滞不前，要么 OCR 服务被隔离到一个单独的仅限 Windows 的进程中，该进程通过 HTTP 进行通信——这引入了一个网络跃点、一个单独的部署工件和一个必须无限期维护的兼容性垫片。 对于大多数正在积极升级的团队来说，这两种结果都是无法接受的。 用IronOCR替换 Tesseract .NET .SDK 可以消除障碍，并允许升级顺利进行，因为IronOCR可以同时在旧的.NET Framework4.6.2+和新的.NET 8 目标上运行，这意味着该服务可以逐步迁移。

处理流程的容器化

文档处理工作负载是容器化的首选目标之一：它们是无状态的、CPU密集型的，并且可以从水平扩展中受益。 一个团队已经将其管道的其余部分容器化，但当基础镜像为 Linux 时，Tesseract .NET.SDK 在 Docker 镜像构建步骤失败。 可供选择的方案要么是 Windows 容器（但这会带来许可费用、更大的镜像大小，并且与大多数默认使用 Linux 节点池的托管 Kubernetes 服务不兼容），要么是实际支持 Linux 的库。 IronOCR可以部署到任何使用标准 Dockerfile 的 Linux 容器中。Docker部署指南提供了 Debian 和 Alpine 基础镜像的详细 Dockerfile 配置。

大规模并行批处理

一个使用 Tesseract .NET.SDK 的发票处理管道，每天处理 50,000 份文档，有四个并行工作进程，仅四个加载了英文数据的引擎实例就至少需要 400 MB 的空间。 再加上第二门语言，数量就会翻倍。 如果使用 OpenCV 进行预处理，内存消耗会进一步增加。 在资源受限的服务器或每个 pod 内存限制为 2 GB 的容器化部署中，这种计算方式会成为部署障碍。IronOCR的线程安全单实例模型消除了每个线程的内存倍增。 一个引擎实例可以处理四个、八个或十六个并行工作进程，只需加载一次单个语言模型。 多线程示例演示了配置过程。

无需二级依赖项的 PDF 原生工作流程

对于主要接收 PDF 格式文档（例如保险索赔、合同、发票、税务表格）的组织而言，Tesseract .NET.SDK 存在一个复杂的问题：他们必须维护一个 PDF 渲染库以及一个 OCR 库。 当 PdfiumViewer 或 iText 发布安全补丁时，这两个库都需要协调更新和回归测试。 当 PDF 库在渲染特定 PDF 版本时出现错误时，OCR 管道会生成乱码文本，且没有明显的根本原因。IronOCR的原生 PDF 支持将原本需要两个库才能运行的系统简化为一个库。 只需安装一个软件包即可替换两者。 PDF OCR 用例页面涵盖了完整的工作流程。

Enterprise部署要求

Patagames Tesseract .NET.SDK 许可证包含来自单个开发人员的电子邮件和论坛支持。 没有服务级别协议 (SLA)，没有保证响应时间，也没有升级途径。 对于受监管行业（医疗保健、金融、政府）的应用，采购团队越来越要求软件供应商提供有记录的服务水平协议 (SLA)、安全披露流程和组织连续性保证。 Patagames 由个人开发者运营，无法满足这些要求。 IronOCR由Iron Software开发，Iron Software 是一家商业实体，拥有专门的支持、安全流程和符合Enterprise采购要求的许可条款。 许可页面文档列出了可用的支持级别。

命名空间和实例模式

从 Tesseract .NET.SDK 到IronOCR 的代码更改很小。 用using Patagames.Ocr;。 用OcrApi.Create()。 用api.Init(Languages.English)。 调用代码的功能逻辑不会改变。 简单的数据提取服务可以在一小时内完成迁移。

// Before: Tesseract.Net.SDK
using Patagames.Ocr;

using (var api = OcrApi.Create())
{
    api.Init(Languages.English);
    return api.GetTextFromImage(imagePath);
}

// After: IronOCR
using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadImage(imagePath);
return ocr.Read(input).Text;

// Before: Tesseract.Net.SDK
using Patagames.Ocr;

using (var api = OcrApi.Create())
{
    api.Init(Languages.English);
    return api.GetTextFromImage(imagePath);
}

// After: IronOCR
using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadImage(imagePath);
return ocr.Read(input).Text;

Imports Patagames.Ocr

Using api = OcrApi.Create()
    api.Init(Languages.English)
    Return api.GetTextFromImage(imagePath)
End Using

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput()
    input.LoadImage(imagePath)
    Return ocr.Read(input).Text
End Using

从图像中读取文本教程和基本 OCR 示例提供了完整的可运行示例，并进行了输入验证和置信度检查。

Tessdata 文件夹删除

迁移后，可以从项目中删除整个tessdata/文件夹。 IronOCR将语言数据与其NuGet包捆绑在一起。 从.traineddata引用，从部署脚本中删除tessdata目录，并删除任何复制训练数据文件的CI/CD管道步骤。 IronOcr.Languages.* NuGet包在正常的软件包还原步骤中安装语言数据——无需单独下载，无需手动文件夹配置，无需在Visual Studio中设置构建操作。 多语言指南涵盖了语言包的安装。

PDF流程简化

任何为渲染 PDF 页码而安装 PdfiumViewer、iText 或 Ghostscript.NET 的代码都可以完全移除。 用input.LoadPdf(pdfPath)替换整个多步骤渲染到临时文件然后OCR的管道。 专门针对受密码保护的 PDF、特定页面范围和超过 100 页的大型文档进行测试——这些极端情况最有可能在验证过程中暴露出行为差异。

线程模型和实例生命周期

Tesseract.Net.SDK代码通常为每个请求或每个线程创建一个OcrApi实例，以避免线程安全问题。 IronOCR是线程安全的，因此IronTesseract实例应创建一次（在应用程序启动时或作为DI容器中的单例），并在所有请求中重用。 为每个请求创建一个新的IronTesseract()将浪费初始化开销。 将其注册为ASP.NET Core 服务容器中的单例，并在需要的地方注入。