发票处理的最佳 OCR（更新列表）

为什么开发者选择 IronOCR 而不是标准的 Tesseract？

IronOCR 使用最新的Tesseract 5 引擎和高级配置选项，从图像或 PDF 文件中读取纸质文档、条形码和二维码。 该软件包通过NuGet 安装简化了 OCR 集成。

• 使用 IronOCR 执行 OCR，将扫描的 PDF 转换为可搜索的 PDF，并具有hOCR 导出功能。 IronOCR 支持全球125 种不同的语言，以及单词列表和自定义语言。 您甚至可以为特定应用训练自定义字体。
• IronOCR 可扫描 20 多种不同的条形码和二维码类型，包括对特殊文档类型的支持。 IronOCR 可提供条形码数据和纯文本输出。 开发人员可以使用OcrResult 类检索所有内容，以便直接插入系统。 这包括结构化的标题、段落、行、单词和字符，以及详细的置信度评分。

要了解更多功能，请访问IronOCR 网站（点击此处） 。

如何使用 IronOCR 从发票中提取数据？

可以使用功能强大的 OCR 库 IronOCR 提取和访问收据数据。 您可以使用 IronOCR 拍摄收据照片，并将其转换为机器可读文本，然后使用图像预处理过滤器轻松进行分析和处理，同时还能维护数据隐私。

以下演示了如何使用 IronOCR 从收据中提取文本，从而了解收据 OCR 的工作原理：

// This code demonstrates how to use IronOCR to extract text from a receipt image.
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest; // Set the OCR language to English
ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5; // Use Tesseract version 5

using (OcrInput ocrInput = new OcrInput("Demo.gif")) // Initialize OCR input with the image "Demo.gif"
{
    OcrResult ocrResult = ocr.Read(ocrInput); // Perform OCR reading
    // Extract the total price from the OCR result if present
    var totalPrice = ocrResult.Text.Contains("Total Current Charges") 
        ? ocrResult.Text.Split("Total Current Charges")[1].Split("\n")[0] 
        : "";
    Console.WriteLine("Total Current Charges : " + totalPrice); // Output the extracted total price
}

// This code demonstrates how to use IronOCR to extract text from a receipt image.
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest; // Set the OCR language to English
ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5; // Use Tesseract version 5

using (OcrInput ocrInput = new OcrInput("Demo.gif")) // Initialize OCR input with the image "Demo.gif"
{
    OcrResult ocrResult = ocr.Read(ocrInput); // Perform OCR reading
    // Extract the total price from the OCR result if present
    var totalPrice = ocrResult.Text.Contains("Total Current Charges") 
        ? ocrResult.Text.Split("Total Current Charges")[1].Split("\n")[0] 
        : "";
    Console.WriteLine("Total Current Charges : " + totalPrice); // Output the extracted total price
}

对于更复杂的发票处理，您可以使用图像滤镜来提高准确性：

// Enhanced invoice processing with image preprocessing
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;
ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

using (OcrInput ocrInput = new OcrInput("invoice.pdf"))
{
    // Apply preprocessing filters for better accuracy
    ocrInput.Sharpen();
    ocrInput.EnhanceResolution(225); // Optimize DPI for text recognition
    ocrInput.Deskew(); // Fix skewed scans

    // Read specific region for targeted extraction
    var invoiceRegion = new System.Drawing.Rectangle(100, 200, 400, 300);
    ocrInput.AddPdfPage(0, invoiceRegion);

    OcrResult ocrResult = ocr.Read(ocrInput);

    // Extract structured data
    foreach (var line in ocrResult.Lines)
    {
        if (line.Text.Contains("Invoice #"))
        {
            Console.WriteLine($"Found: {line.Text} - Confidence: {line.Confidence}%");
        }
    }
}

// Enhanced invoice processing with image preprocessing
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;
ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

using (OcrInput ocrInput = new OcrInput("invoice.pdf"))
{
    // Apply preprocessing filters for better accuracy
    ocrInput.Sharpen();
    ocrInput.EnhanceResolution(225); // Optimize DPI for text recognition
    ocrInput.Deskew(); // Fix skewed scans

    // Read specific region for targeted extraction
    var invoiceRegion = new System.Drawing.Rectangle(100, 200, 400, 300);
    ocrInput.AddPdfPage(0, invoiceRegion);

    OcrResult ocrResult = ocr.Read(ocrInput);

    // Extract structured data
    foreach (var line in ocrResult.Lines)
    {
        if (line.Text.Contains("Invoice #"))
        {
            Console.WriteLine($"Found: {line.Text} - Confidence: {line.Confidence}%");
        }
    }
}

上面的代码创建了IronTesseract对象，以使用优化的设置启动 OCR 过程。 构造一个OcrInput对象，以便使用OcrInput 类添加一个或多个图像文件。 使用OcrInput对象的Add方法需要添加其他图像的路径，以便根据需要添加多个发票图像。 IronOCR 对象的Read方法被触发，用于解析图像文档并将结果提取到 OCR 结果中，将图像中的文本转换为字符串。 在上述代码中，总价是通过特定区域的 OCR从发票中提取出来的。

最佳发票处理 OCR 技术（更新列表），图 1：示例发票，展示了可使用 OCR 技术提取的各种数据字段 该示例发票展示了可使用 OCR 技术提取的各种数据字段。

下面的输出显示了先前提供的图像中的文本"当前总费用"，证明使用高置信度文本识别已从图像中正确提取了总费用。

最佳发票处理 OCR（更新列表），图 2：提取总价并在控制台应用程序中显示，同时显示置信度评分 总价格会被提取出来，并在控制台应用程序中显示，同时还会显示置信度评分。

为了处理不同的发票格式，您可以利用表格识别功能和多页 TIFF 支持：

// Process multi-page invoice with table extraction
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

using (OcrInput ocrInput = new OcrInput())
{
    // Add multiple invoice pages
    ocrInput.AddPdf("multi-page-invoice.pdf");

    // Enable table detection
    ocr.Configuration.ReadDataTables = true;

    OcrResult ocrResult = ocr.Read(ocrInput);

    // Export as searchable PDF
    ocrResult.SaveAsSearchablePdf("searchable-invoice.pdf");

    // Extract table data
    var tables = ocrResult.Tables;
    foreach (var table in tables)
    {
        Console.WriteLine($"Found table with {table.RowCount} rows");
    }
}

// Process multi-page invoice with table extraction
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

using (OcrInput ocrInput = new OcrInput())
{
    // Add multiple invoice pages
    ocrInput.AddPdf("multi-page-invoice.pdf");

    // Enable table detection
    ocr.Configuration.ReadDataTables = true;

    OcrResult ocrResult = ocr.Read(ocrInput);

    // Export as searchable PDF
    ocrResult.SaveAsSearchablePdf("searchable-invoice.pdf");

    // Extract table data
    var tables = ocrResult.Tables;
    foreach (var table in tables)
    {
        Console.WriteLine($"Found table with {table.RowCount} rows");
    }
}

请访问教程页面，了解更多关于IronOCR 教程的信息，并探索高级扫描技术。