OCR 收据数据提取（逐步教程）

OCR 简介

光学字符识别或 OCR 是一种允许计算机从图像或扫描文件中读取和理解文本的技术。 通过将印刷文本转换为机器可读文本，OCR 使您能够存储、处理和分析物理文档中包含的信息。

2. IronOCR简介

IronOCR 是面向 C# 和 .NET 开发人员的 OCR（光学字符识别）库。 它使开发人员能够从图像、PDF和其他文档格式中提取文本。 IronOCR 基于广受欢迎的Tesseract OCR 引擎，并增加了其他功能，使其成为各种应用（包括收据 OCR）的理想选择。

3. 使用IronOCR进行数据提取的好处

以下是使用 IronOCR 进行 OCR 收据数据提取的一些主要优势：

• 高准确性：IronOCR 可提供出色的 OCR API 准确性，确保从收据和其他文档中提取可靠的数据。
• Multilingual support：IronOCR 支持超过 125 种语言，适合全球应用。
• 易于使用：该库提供了简单直观的 API，使开发人员能够轻松地在其项目中实现 OCR 功能。
• 可定制：IronOCR 提供了各种选项，用于微调 OCR 结果，确保为您的特定用例提取最佳数据。

4. IronOCR的工作原理

IronOCR 采用先进的 OCR 算法来识别和提取图像和文档中的文本。 它可以处理各种格式，包括 JPEG、PNG、TIFF 和 PDF。 该库可读取输入文件，识别其中的文本，并将提取的文本输出为字符串，然后根据需要进行处理或存储。 IronOCR 还使用计算机视觉以达到最佳效果。

5. 使用IronOCR的先决条件

要开始使用 IronOCR 进行收据数据提取，首先需要安装 IronOCR 软件包。 这可以通过 .NET 的软件包管理器 NuGet 轻松完成。 只需在 Visual Studio 中打开您的项目，然后按照以下步骤操作即可：

1.在解决方案资源管理器中右键单击您的项目，然后选择 "管理 NuGet 包"。

2. 在 NuGet 包管理器窗口中，搜索"IronOCR"。 3.选择 IronOcr 软件包并点击 "安装"。

！IOCR 收据数据提取（分步教程），图 1：在 NuGet 软件包管理器 UI 中搜索 IronOCR 软件包。 在 NuGet 软件包管理器用户界面中搜索 IronOcr 软件包。

6. 准备收据图像

在从收据中提取数据之前，您需要确保收据图像的高质量，以提高收据 OCR API 流程的准确性。 以下是一些捕捉收据良好形象的技巧：

1.使用扫描文件。 您可以使用高分辨率扫描仪进行收据扫描。 2.确保收据光线充足，没有阴影。 3.理顺收据上的任何折痕或褶皱，以免隐藏关键信息。 4.确保收据上的文字清晰、不模糊，以提高收据处理能力。

！OCR 收据数据提取（分步教程），图 2：用于文本提取的收据图像示例。 样本收据图像用于文本提取

7. 对收据图像执行OCR

安装好 IronOCR 并准备好收据图像后，就可以执行 OCR 处理了。 在您的 .NET 应用程序中，使用以下代码片段：

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

    // Output the recognized text to the console
    Console.WriteLine(result.Text);
}

using IronOcr;

// Initialize the IronTesseract class, which is responsible for OCR operations
var ocr = new IronTesseract();

// Use the OcrInput class to load the image of your receipt.
// Replace @"path/to/your/receipt/image.png" with the actual file path.
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    // Read the content of the image and perform OCR recognition
    var result = ocr.Read(ocrInput);

    // Output the recognized text to the console
    Console.WriteLine(result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class, which is responsible for OCR operations
Private ocr = New IronTesseract()

' Use the OcrInput class to load the image of your receipt.
' Replace @"path/to/your/receipt/image.png" with the actual file path.
Using ocrInput As New OcrInput("path/to/your/receipt/image.png")
	' Read the content of the image and perform OCR recognition
	Dim result = ocr.Read(ocrInput)

	' Output the recognized text to the console
	Console.WriteLine(result.Text)
End Using

using IronOcr;

using IronOcr;

Imports IronOcr

var ocr = new IronTesseract();

var ocr = new IronTesseract();

Dim ocr = New IronTesseract()

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))

Using ocrInput As New OcrInput("path/to/your/receipt/image.png")

var result = ocr.Read(ocrInput);

var result = ocr.Read(ocrInput);

Dim result = ocr.Read(ocrInput)

Console.WriteLine(result.Text);

Console.WriteLine(result.Text);

Console.WriteLine(result.Text)

微调OCR结果

IronOCR 提供多种选项来提高 OCR 的准确性和性能。 这包括预处理图像、调整 OCR 引擎设置以及为收据选择合适的语言。

using IronOcr;

// Initialize the IronTesseract class
var ocr = new IronTesseract();

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

using IronOcr;

// Initialize the IronTesseract class
var ocr = new IronTesseract();

// Load the image of your receipt and apply preprocessing techniques
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise(); // Remove noise from the image
    input.DeSkew();  // Correct any skewing in the image

    // Perform OCR and extract the recognized text
    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class
Private ocr = New IronTesseract()

' Load the image of your receipt and apply preprocessing techniques
Using input = New OcrInput("path/to/your/receipt/image.png")
	input.DeNoise() ' Remove noise from the image
	input.DeSkew() ' Correct any skewing in the image

	' Perform OCR and extract the recognized text
	Dim result = ocr.Read(input)
	Console.WriteLine(result.Text)
End Using

ocr.Configuration.Language = OcrLanguage.English;

ocr.Configuration.Language = OcrLanguage.English;

ocr.Configuration.Language = OcrLanguage.English

从 OCR 结果中提取数据

完成 OCR 处理后，就该从文本中提取特定信息了。 根据您的需要，您可能需要提取以下数据：

1.商店名称和地址。 2.购买日期和时间。 3.项目名称和价格。 4.小计、税金和总金额。

为此，您可以在 .NET 应用程序中使用正则表达式或字符串操作技术。 例如，您可以使用以下代码片段从 OCR 结果中提取日期：

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

using System;
using System.Text.RegularExpressions;

// Define a regular expression pattern for matching dates
var datePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";

// Search for a date in the OCR result text
var dateMatch = Regex.Match(result.Text, datePattern);
if (dateMatch.Success)
{
    // Parse the matched date string into a DateTime object
    var dateValue = DateTime.Parse(dateMatch.Value);
    Console.WriteLine("Date: " + dateValue);
}

Imports System
Imports System.Text.RegularExpressions

' Define a regular expression pattern for matching dates
Private datePattern = "\d{1,2}\/\d{1,2}\/\d{2,4}"

' Search for a date in the OCR result text
Private dateMatch = Regex.Match(result.Text, datePattern)
If dateMatch.Success Then
	' Parse the matched date string into a DateTime object
	Dim dateValue = DateTime.Parse(dateMatch.Value)
	Console.WriteLine("Date: " & dateValue)
End If

您可以为需要从收据中提取的其他信息创建类似的模式。

结论

总之，使用 IronOCR 进行收据 OCR 是实现财务数据数字化和管理的创新而高效的解决方案。 有了 IronOCR，您可以取代人工数据录入。 按照本指南的步骤，您就可以利用 IronOCR 的强大功能来改进您的费用跟踪和数据分析。 最重要的是，IronOCR 提供免费试用，让您无需任何承诺即可体验其功能。

试用期结束后，如果您决定继续使用 IronOCR，许可证起价为 $799 ，这为您在应用程序中利用 OCR 技术的优势提供了一种具有成本效益的方式。