发票 OCR API（开发者教程）

发票 OCR API 利用机器学习技术自动提取发票数据，消除手动输入错误，同时准确地从电子文档和扫描文档中捕获供应商详细信息、发票号码和价格。 本教程演示如何使用 IronOCR 构建发票 OCR 解决方案。

通过利用机器学习和计算机视觉技术，发票 OCR 技术将发票数据转换为可供自动处理的格式。 您将学习如何应对常见的挑战，例如手动数据输入延迟、成本和错误，同时准确地从任何发票格式中提取供应商信息、发票号码和价格。

本文使用了IronOCR ，这是一款领先的面向 .NET 开发人员的发票 OCR API。

什么是 IronOCR？ IronOCR 由 Iron Software 开发，为开发人员提供全面的 OCR 工具。 它利用机器学习和计算机视觉从扫描的文档、图像和PDF中提取文本，实现自动化处理。 其 API 可与各种语言和平台无缝集成，减少人工数据输入错误，提高效率。 提取的数据直接流入现有系统进行分析和决策。 [图像预处理](/csharp/ocr/how-to/image-quality-correction/)、[条形码识别](/csharp/ocr/how-to/barcodes/)和灵活的文件解析等功能增强了其多功能性。 IronOCR 使开发人员能够将强大的文本识别功能集成到他们的应用程序中。 该库通过专门的语言包支持[125 种国际语言](/csharp/ocr/examples/intl-languages/)，使其成为全球发票处理的理想选择。 高级功能包括[计算机视觉技术，可自动查找文本](/csharp/ocr/how-to/computer-vision/)，这对于布局各异的发票尤其有用。 此外，IronOCR 还提供[多线程处理功能](/csharp/ocr/examples/csharp-tesseract-multithreading-for-speed/)，可高效处理大量发票处理。 ### 为什么我应该使用 IronOCR 进行发票处理？ IronOCR 为发票处理应用提供了显著优势。 首先，它通过其优化的[Tesseract 5 引擎](/csharp/ocr/features/document/)提供卓越的精度，该引擎专门针对 .NET 应用程序进行了增强。 图书馆可以处理各种发票格式，从[扫描文档](/csharp/ocr/how-to/read-scanned-document/)到[PDF 文件](/csharp/ocr/how-to/input-pdfs/)，甚至[低质量扫描件](/csharp/ocr/examples/ocr-low-quality-scans-tesseract/)。 内置[图像优化滤镜可](/csharp/ocr/examples/ocr-image-filters-for-net-tesseract/)在处理前自动增强图像质量，从而实现更准确的文本提取。 对于有特殊要求的发票，IronOCR 支持[自定义语言训练](/csharp/ocr/how-to/ocr-custom-font-training/)，可以针对发票类型中常见的独特字体或格式进行优化。 ### IronOCR 与其他 OCR 库有何不同？ IronOCR 的独特之处在于其[简单的单行 OCR 功能，](/csharp/ocr/examples/simple-csharp-ocr-tesseract/)同时又具备企业级功能。 与原始的 Tesseract 实现不同，IronOCR 提供了一个托管的 .NET API，可以无缝地处理复杂的操作。 该库为各种文档类型提供[专门的文档读取方法](/csharp/ocr/tutorials/read-specific-document/)，包括专门支持[读取文档中的表格](/csharp/ocr/how-to/read-table-in-document/)，这对于发票明细项目至关重要。 [筛选向导会](/csharp/ocr/how-to/filter-wizard/)自动确定特定发票图像的最佳预处理设置，从而消除优化过程中的猜测。 IronOCR 还提供全面的[调试功能](/csharp/ocr/examples/highlight-texts-for-debugging/)，使开发人员能够可视化 OCR 引擎所看到的内容，并有效地排除提取问题。

我需要哪些先决条件？ 在使用 IronOCR 之前，请确保满足以下先决条件： 1. 已安装诸如 Visual Studio 之类的集成开发环境 (IDE)，并具备合适的开发环境。 2. 具备C#编程基础知识，能够有效地理解和修改代码示例。 3. 通过 NuGet 包管理器或命令行将 IronOCR 库安装到您的项目中 满足这些先决条件后，您就可以成功地开始使用 IronOCR 了。 IronOCR 提供适用于[Windows](/csharp/ocr/get-started/windows/) 、 [Linux](/csharp/ocr/get-started/linux/)和[macOS](/csharp/ocr/get-started/mac/)的全面设置指南。 该库支持云部署，并针对[AWS Lambda](/csharp/ocr/get-started/aws/)和[Azure Functions](/csharp/ocr/get-started/azure/)提供了专门的教程。 ### 我应该使用哪个版本的 Visual Studio？ IronOCR 支持 Visual Studio 2017 及最新版本。 为了获得最佳兼容性并能使用最新的 C# 功能，建议使用 Visual Studio 2019 或 2022。 该库与[.NET Framework、.NET Core 和 .NET 5+](/csharp/ocr/features/languages/)完全兼容，确保您的开发环境具有灵活性。 对于跨平台开发，带有 C# 扩展的 Visual Studio Code 效果很好。 移动开发人员可以利用 IronOCR 针对[Android](/csharp/ocr/get-started/android/)和[iOS](/csharp/ocr/get-started/ios/)实现的指导，使其适用于[.NET MAUI 应用程序](/csharp/ocr/get-started/net-maui-ocr-tutorial/)。 ### 我需要具备怎样的 C# 知识水平？ 具备中级 C# 知识即可实现基本的发票 OCR 功能。 你应该能够适应： - 面向对象编程概念 - 处理[流和文件 I/O](/csharp/ocr/how-to/input-streams/) - 基本的[async/await 模式](/csharp/ocr/how-to/async/) - 用于模式匹配的正则表达式 - 异常处理，实现强大的错误管理 IronOCR 直观的 API 设计意味着无需具备图像处理或机器学习方面的深厚专业知识。 该库在内部处理复杂的操作，让您可以专注于业务逻辑。 初学者可以从[简单的OCR示例](/csharp/ocr/examples/simple-csharp-ocr-tesseract/)入手。 ## 如何创建一个新的 Visual Studio 项目？ 要开始使用 IronOCR，首先需要创建一个新的 Visual Studio 项目。 打开 Visual Studio，转到"文件"，将鼠标悬停在"新建"上，然后单击"项目"。 [Visual Studio IDE 显示"文件"菜单已打开，"新建"和"项目"选项已高亮显示，演示了创建新的发票 OCR API 项目的第一步。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-1.webp) **新项目** 在新窗口中，选择"控制台应用程序"，然后单击"下一步"。 [Visual Studio 的"创建新项目"对话框显示了各种项目模板，其中"控制台应用程序"选项突出显示，用于创建适用于发票 OCR 处理的 .NET Core 命令行应用程序。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-2.webp) **控制台应用程序** 出现新窗口。 请输入项目名称和地点，然后单击"下一步"。 [Visual Studio 新建项目配置窗口显示了名为"IronOCR"的控制台应用程序的项目设置，其中选择了 C# 语言和 Windows 目标平台，用于发票 OCR API 实现。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-3.webp) **项目配置** 最后，选择目标框架并单击"创建"。 [Visual Studio 项目创建向导显示了"附加信息"步骤，其中已选择 .NET 5.0 框架，以便在发票处理应用程序中实现最佳的 IronOCR 兼容性。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-4.webp) **目标框架** 你的新 Visual Studio 项目已准备就绪。 让我们安装IronOCR。 ### 哪种项目类型最适合 OCR 应用？ 虽然本教程为了简单起见使用了控制台应用程序，但 IronOCR 支持多种项目类型： -**控制台应用程序**：非常适合批量处理或命令行工具 - **Web 应用程序**：非常适合构建 API 或基于 Web 的服务 - **Windows Forms/WPF** ：适用于带有图形用户界面的桌面应用程序 - **[.NET MAUI 应用](/csharp/ocr/get-started/net-maui-ocr-tutorial/)**：用于跨平台解决方案 对于大批量处理，可以考虑在 Windows 服务或微服务架构中实现 IronOCR。 图书馆的[进度跟踪功能](/csharp/ocr/how-to/progress-tracking/)使监控长时间运行的操作变得容易。 ### 我应该选择哪个 .NET Framework 版本？ IronOCR[与 .NET 版本具有广泛的兼容性](/csharp/ocr/features/languages/)。 对于新项目，建议使用 .NET 6.0 或更高版本以获得最佳性能和最新功能。 该库保持了出色的向后兼容性： - **.NET Framework 4.6.2+** ：适用于传统企业应用程序 - **.NET Core 3.1** ：长期支持，实现稳定部署 - **.NET 5.0+** ：性能提升的现代化框架 - **.NET Standard 2.0** ：跨平台最大程度的兼容性 部署到[Docker 容器](/csharp/ocr/get-started/docker/)时，.NET 6.0 或更高版本可提供更小的镜像大小和更好的性能。 [Azure Functions](/csharp/ocr/get-started/azure/)同时支持 .NET 6.0 和 .NET Framework。 ## 如何安装 IronOCR？ 下载和安装 IronOCR 有两种简单的方法： 1. 使用 Visual Studio NuGet 包管理器 2. 使用 Visual Studio 命令行 ### 何时应该使用 NuGet 包管理器，何时应该使用命令行？ 根据您的工作流程，选择使用 NuGet 包管理器图形用户界面 (GUI) 还是命令行： **NuGet 包管理器 GUI**在以下情况下效果最佳： 您是 NuGet 包的新手 您想浏览[IronOCR 语言包](/csharp/ocr/examples/intl-languages/) 您更喜欢视觉确认 您管理多个包裹 **命令行（软件包管理器控制台）**在以下情况下表现出色： 您熟悉命令行界面 - 您遵循脚本化部署 您需要快速获取特定版本。 - 您使用了[高级安装选项](/csharp/ocr/get-started/advanced-installation-nuget/) 两种方法都能达到相同的效果——根据舒适度和需求选择即可。 ### 我可能还需要哪些额外的语言包？ IronOCR 通过专用软件包支持[125 种国际语言](/csharp/ocr/examples/intl-languages/)。 发票处理时，请考虑以下事项： -**特定业务包**：财务文档的[财务语言包](/csharp/ocr/troubleshooting/financial-language-pack/) -**区域语言**：根据发票来源而定（西班牙语、法语、德语） -**多语言支持**：适用于包含[多种语言的](/csharp/ocr/how-to/ocr-multiple-languages/)发票 -**自定义语言**：用于特殊字体或[自定义训练数据](/csharp/ocr/how-to/ocr-custom-language/) 语言包与 IronOCR 主程序包一起安装，可显著提高非英语文本的识别准确率。 ### 使用 Visual Studio NuGet 软件包管理器 使用 Visual Studio NuGet 包管理器将 IronOCR 集成到您的 C# 项目中。 导航至**"工具"** > **"NuGet 程序包管理器"** > **"管理解决方案的 NuGet 程序包"。** [Visual Studio IDE 显示 NuGet 包管理器界面，其中包含 IronOCR 包的搜索结果，并显示用于设置发票 OCR 功能的安装选项和包详细信息](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-5.webp)。 **NuGet 软件包管理器** 搜索 IronOCR 并将其安装到您的项目中。 [NuGet 包管理器界面显示 IronOCR v2022.1.0 及相关语言包，包括阿拉伯语、希伯来语和西班牙语 OCR 功能，并显示每个专用识别包的版本号和描述。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-6.webp) **在NuGet包管理器UI中选择IronOCR包** 使用相同的方法安装其他语言包。 ### 使用Visual Studio命令行 1.在 Visual Studio 中，转到 **工具** > **NuGet软件包管理器** > **软件包管理器控制台** 2. 在软件包管理器控制台中输入以下命令： ```shell :ProductInstall ``` [Visual Studio 包管理器控制台显示"Install-Package IronOCR"命令已成功执行，演示了 OCR 库的命令行安装方法。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-7.webp) **包管理器控制台** 该软件包将下载并安装到您当前的项目中，即可使用。 ## 如何使用 IronOCR 从发票中提取数据？ 使用 IronOCR，只需几行代码即可轻松提取发票数据。 它取代了手动数据录入，简化了您的工作流程。 以下是一个用于文本提取的发票示例： [示例发票文档，显示客户详细信息，发票编号 INV/2023/00039，包含三项清洁服务，总计 80.50 美元，展示了用于 OCR 提取的典型发票格式。](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-8.webp) **示例发票** 让我们从这张发票中提取所有数据： ```csharp using IronOcr; using System; // Initialize a new instance of the IronTesseract class // This is the main OCR engine that will process our invoice var ocr = new IronTesseract(); // Configure OCR settings for better invoice processing ocr.Configuration.BlackListCharacters = "~`$#^*_}{]___PROTECTED_LINK_48___ method from ___PROTECTED_LINK_49___ class. Key enhancements include: - **Image preprocessing**: ___PROTECTED_LINK_50___ corrects tilted scans; ___PROTECTED_LINK_51___ removes artifacts - **Resolution enhancement**: Setting ___PROTECTED_LINK_52___ improves recognition - **Character blacklisting**: Prevents common OCR misinterpretations - **Confidence scoring**: Assesses extraction reliability !___PROTECTED_LINK_53___ **Invoice Parser** ### How Do I Handle Different Invoice Formats? Invoice formats vary between vendors, but IronOCR provides flexible solutions: 1. **Template-based**: Define ___PROTECTED_LINK_54___ 2. **Computer vision**: Use ___PROTECTED_LINK_55___ to locate text 3. **Table extraction**: Leverage ___PROTECTED_LINK_56___ for line items 4. **Multi-format**: Process ___PROTECTED_LINK_57___, ___PROTECTED_LINK_58___, and ___PROTECTED_LINK_59___ For complex layouts, implement the ___PROTECTED_LINK_60___ which uses machine learning to identify structures automatically. ### What Are Common Extraction Patterns for Invoice Data? Invoice data follows recognizable patterns extractable using regular expressions with OCR results: ```csharp using IronOcr; using System; using System.Text.`RegularExpressions`; using System.Collections.Generic; public class `InvoiceDataExtractor` { private readonly `IronTesseract` ocr; public `InvoiceDataExtractor`() { ocr = new `IronTesseract`(); // Configure for optimal invoice reading `ocr.Configuration`.`ReadBarcodes` = true; // Many invoices include barcodes `ocr.Configuration`.`TesseractVersion` = `TesseractVersion`.Tesseract5; } public `InvoiceData` `ExtractInvoiceData`(string imagePath) { var invoiceData = new `InvoiceData`(); using (var input = new `OcrInput`(imagePath)) { // Apply filters for better accuracy input.`EnhanceResolution`(300); `input.Sharpen`(); var result = `ocr.Read`(input); var text = `result.Text`; // Extract invoice number invoiceData.`InvoiceNumber` = `ExtractPattern`(text, @"INV[/-]?\d{4}[/-]?\d{5}|Invoice\s*#?\s*:?\s*(\d+)"); // Extract dates invoiceData.`InvoiceDate` = `ExtractDate`(text, @"Invoice\s*Date\s*:?\s*(\d{1,2}[/-]\d{1,2}[/-]\d{2,4})"); invoiceData.`DueDate` = `ExtractDate`(text, @"Due\s*Date\s*:?\s*(\d{1,2}[/-]\d{1,2}[/-]\d{2,4})"); // Extract amounts `invoiceData.Total` = `ExtractAmount`(text, @"Total\s*:?\s*\$?\s*([\d,]+\.?\d*)"); `invoiceData.Tax` = `ExtractAmount`(text, @"Tax\s*:?\s*\$?\s*([\d,]+\.?\d*)"); // Extract vendor information invoiceData.`VendorName` = `ExtractVendorName`(text); // Extract line items using table detection invoiceData.`LineItems` = `ExtractLineItems`(result); // Extract any barcodes found if (`result.Barcodes`.Length > 0) { invoiceData.`BarcodeValues` = new List(); foreach (var barcode in `result.Barcodes`) { invoiceData.`BarcodeValues`.Add(`barcode.Value`); } } } return invoiceData; } private string `ExtractPattern`(string text, string pattern) { var match = Regex.Match(text, pattern, `RegexOptions`.`IgnoreCase`); return `match.Success` ? `match.Value` : `string.Empty`; } private `DateTime`? `ExtractDate`(string text, string pattern) { var match = Regex.Match(text, pattern, `RegexOptions`.`IgnoreCase`); if (`match.Success` && `match.Groups`.Count > 1) { if (`DateTime`.`TryParse`(`match.Groups`[1].Value, out `DateTime` date)) return date; } return null; } private decimal `ExtractAmount`(string text, string pattern) { var match = Regex.Match(text, pattern, `RegexOptions`.`IgnoreCase`); if (`match.Success` && `match.Groups`.Count > 1) { var amountStr = `match.Groups`[1].Value.Replace(",", ""); if (decimal.`TryParse`(amountStr, out decimal amount)) return amount; } return 0; } private string `ExtractVendorName`(string text) { // Usually the vendor name appears in the first few lines var lines = `text.Split`('\n'); if (`lines.Length` > 0) { // Simple heuristic: first non-empty line that's not a common header foreach (var line in lines) { var trimmed = `line.Trim`(); if (!string.`IsNullOrEmpty`(trimmed) && !trimmed.`ToLower`().Contains("invoice") && `trimmed.Length` > 3) { return trimmed; } } } return `string.Empty`; } private List<`LineItem`> `ExtractLineItems`(`OcrResult` result) { var lineItems = new List<`LineItem`>(); // Use IronOCR's table detection capabilities if (`result.Tables` != null && `result.Tables`.Count > 0) { foreach (var table in `result.Tables`) { // Process each row as a potential line item for (int i = 1; i < table.`RowCount`; i++) // Skip header row { var item = new `LineItem` { Description = table[i, 0]?.Text ?? "", Quantity = `ParseQuantity`(table[i, 1]?.Text), `UnitPrice` = `ParseAmount`(table[i, 2]?.Text), Total = `ParseAmount`(table[i, 3]?.Text) }; if (!string.`IsNullOrEmpty`(`item.Description`)) `lineItems.Add`(item); } } } return lineItems; } private int `ParseQuantity`(string text) { if (string.`IsNullOrEmpty`(text)) return 0; var cleaned = Regex.Replace(text, @"[^\d]", ""); return int.`TryParse`(cleaned, out int qty) ? qty : 0; } private decimal `ParseAmount`(string text) { if (string.`IsNullOrEmpty`(text)) return 0; var cleaned = Regex.Replace(text, @"[^\d.]", ""); return decimal.`TryParse`(cleaned, out decimal amt) ? amt : 0; } } // Data classes for structured invoice information public class `InvoiceData` { public string `InvoiceNumber` { get; set; } public `DateTime`? `InvoiceDate` { get; set; } public `DateTime`? `DueDate` { get; set; } public string `VendorName` { get; set; } public decimal Total { get; set; } public decimal Tax { get; set; } public List<`LineItem`> `LineItems` { get; set; } public List `BarcodeValues` { get; set; } } public class `LineItem` { public string Description { get; set; } public int Quantity { get; set; } public decimal `UnitPrice` { get; set; } public decimal Total { get; set; } } ``` ### 发票处理：从发票中提取特定数据 使用以下代码提取特定发票数据，例如客户发票号码： ```csharp using IronOcr; using System; using System.Text.`RegularExpressions`; // Initialize a new instance of the `IronTesseract` class var ocr = new `IronTesseract`(); // Use the `OcrInput` object to load the image file using (var input = new `OcrInput`(@"`r2.png`")) { // Perform OCR on the image var result = `ocr.Read`(input); // Define a regular expression pattern for the invoice number var linePattern = @"INV\/\d{4}\/\d{5}"; // Match the pattern in the extracted text var lineMatch = Regex.Match(`result.Text`, linePattern); // Check if the pattern matches any part of the text if (`lineMatch.Success`) { // If a match is found, print the invoice number var lineValue = `lineMatch.Value`; Console.`WriteLine`("Customer Invoice number: " + lineValue); } } ``` [Visual Studio 调试控制台显示已成功创建 PDF 文件，其中客户发票号 INV/2023/00039 已使用 IronOCR 提取，确认 OCR 过程已完成且无错误](/static-assets/ocr/blog/invoice-ocr-api-tutorial/invoice-ocr-api-tutorial-10.webp)。 **发票扫描** 对于复杂的提取场景，请使用[专门的 OCR 配置](/csharp/ocr/examples/csharp-configure-setup-tesseract/)来优化您的发票类型。OcrResult[类](/csharp/ocr/examples/results-objects/)提供有关每个已识别元素的详细信息，包括坐标和用于验证的置信度分数。 ## 发票OCR API的主要优势是什么？ IronOCR 的发票 OCR API 通过机器学习和计算机视觉技术改变了发票处理方式。 这项技术将发票文本转换为机器可读格式，简化了数据提取，便于分析、集成和流程改进。 它为发票处理提供强大的自动化功能，提高准确性并优化应付账款等工作流程。 IronOCR 利用优化的 Tesseract 结果，无需额外配置即可提供卓越的精度。 它支持 [多页框架 TIFF](/csharp/ocr/how-to/input-tiff-gif/)、[PDF 文件](/csharp/ocr/how-to/input-pdfs/) 和所有流行的图像格式。 [从图像中读取条形码](/csharp/ocr/how-to/barcodes/)增加了另一个提取维度。 发票处理的主要优势： 1.**节省时间**：将数小时缩短至数秒 2.**准确性**：通过[置信度评分](/csharp/ocr/how-to/tesseract-result-confidence/)最大限度地减少误差 3.**可扩展性**：利用[多线程](/csharp/ocr/how-to/async/)处理数千个进程 4.**集成**：导出为[可搜索的 PDF](/csharp/ocr/how-to/searchable-pdf/)或[结构化格式](/csharp/ocr/how-to/read-results/) 5.**降低成本**：降低运营成本 该库[部署灵活](/csharp/ocr/features/languages/)，可集成到现有系统中——本地部署、云端部署或混合部署。 IronOCR 支持[Docker](/csharp/ocr/get-started/docker/) 、 [Azure](/csharp/ocr/get-started/azure/)和[AWS](/csharp/ocr/get-started/aws/) ，可根据您的需求进行扩展。 生产环境可受益于 IronOCR 的[许可选项](/csharp/ocr/licensing/)，包括专门的支持和[定期更新](/csharp/ocr/product-updates/changelog/)。 库中的[故障排除指南](/csharp/ocr/troubleshooting/general-troubleshooting-ocr/)和[工程支持](/csharp/ocr/troubleshooting/engineering-request-ocr/)可确保顺利实施。 访问[主页](/csharp/ocr/)了解更多关于IronOCR的信息。 有关发票 OCR 的更多教程，请参阅这份[详细的发票 OCR 指南](/csharp/ocr/blog/using-ironocr/invoice-ocr-csharp-tutorial/)。 要了解如何使用计算机视觉技术识别发票字段，请查看这篇[计算机视觉教程](/csharp/ocr/how-to/computer-vision/)。