OCR 收据数据提取（逐步教程）

使用 IronOCR 进行收据 OCR 可改变企业和个人的游戏规则。通过该程序，您可以从实物收据中提取重要信息，并将其转换为数字数据。 本文将带您逐步了解如何使用 IronOCR 从收据中获得最大收益。

OCR 快速入门

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 是一个针对 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中提取文本、PDF和其他文档格式。 IronOCR 基于流行的 Tesseract OCR 引擎 构建，并添加了额外的功能，使其成为包括收据 OCR 在内的各种应用程序的理想选择。

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：

高精度：IronOCR 提供出色的 OCR API 精度，确保从收据和其他文件中可靠地提取数据。

多语言支持：IronOCR 支持超过 125 种语言，适用于全球应用。

易于使用：该库提供了一个简单直观的API，使开发人员能够轻松在其项目中实现OCR功能。

可定制的：IronOCR 提供各种选项以微调OCR结果，确保针对您的特定使用案例实现最佳数据提取。

4.IronOCR 如何工作

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 也使用计算机视觉以获得最佳结果。

5.使用 IronOCR 的前提条件

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”。

   

   在 NuGet 包管理器 UI 中搜索IronOcr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。

   

   用于文本提取的样本收据图像

7.在收据图像上执行 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;

var ocr = new IronTesseract();
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    var result = ocr.Read(ocrInput);
    Console.WriteLine(result.Text);
}

using IronOcr;

var ocr = new IronTesseract();
using (var ocrInput = new OcrInput(@"path/to/your/receipt/image.png"))
{
    var result = ocr.Read(ocrInput);
    Console.WriteLine(result.Text);
}

Imports IronOcr

Private ocr = New IronTesseract()
Using ocrInput As New OcrInput("path/to/your/receipt/image.png")
	Dim result = ocr.Read(ocrInput)
	Console.WriteLine(result.Text)
End Using

代码解释

using IronOcr;

using IronOcr;

Imports IronOcr

该行将 IronOCR 库导入到您的 .NET 应用程序中，使您可以访问其功能。

var ocr = new IronTesseract();

var ocr = new IronTesseract();

Dim ocr = New IronTesseract()

这行代码创建了一个新的IronTesseract类的实例，这个主类负责IronOCR中的OCR操作。

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")

这里创建了一个新的OcrInput类实例，它代表OCR过程的输入图像。 应将@"path/to/your/receipt/image.png"替换为您的收据图像的实际文件路径。 using 语句确保一旦 OCR 操作完成，分配给 OcrInput 实例的资源能够被适当释放。

var result = Ocr.Read(ocrInput);

var result = Ocr.Read(ocrInput);

Dim result = Ocr.Read(ocrInput)

此行调用 Read 方法的 IronTesseract 实例，将 OcrInput 对象作为参数传递。 Read 方法处理输入图像并执行 OCR 操作，从图像中识别和提取文本。 它将启动收据识别流程。

Console.WriteLine(Result.Text);

Console.WriteLine(Result.Text);

Console.WriteLine(Result.Text)

最后，这一行将提取的文本输出到控制台。 result 对象是 OcrResult 类的一个实例，包含识别的文本和有关 OCR 过程的附加信息。 提取的文本可以通过访问result对象的Text属性来显示。

提取文本的输出

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。

图像预处理

您可以通过应用图像预处理技术来增强 OCR 结果，例如

1. 纠偏：纠正图像中的任何旋转或倾斜。

2. 去噪：通过去除图片中的噪点来提高文本的可读性。

   下面是一个如何应用这些技术的示例：

using IronOcr;

var ocr = new IronTesseract();
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise();
    input.DeSkew();

    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

using IronOcr;

var ocr = new IronTesseract();
using (var input = new OcrInput(@"path/to/your/receipt/image.png"))
{
    input.DeNoise();
    input.DeSkew();

    var result = ocr.Read(input);
    Console.WriteLine(result.Text);
}

Imports IronOcr

Private ocr = New IronTesseract()
Using input = New OcrInput("path/to/your/receipt/image.png")
	input.DeNoise()
	input.DeSkew()

	Dim result = ocr.Read(input)
	Console.WriteLine(result.Text)
End Using

语言选择

IronOCR 支持超过 125 种语言，为您的收据选择正确的语言可以显著提高 OCR 结果。 要指定语言，请在代码中添加以下一行：

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，就该从文本中提取具体信息了。 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.Text.RegularExpressions;

//Rest of the Code

var DatePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";
var DateMatch = Regex.Match(Result.Text, DatePattern);
if (DateMatch.Success)
{
    var DateValue = DateTime.Parse(DateMatch.Value);
    Console.WriteLine("Date: " + DateValue);
}

using System.Text.RegularExpressions;

//Rest of the Code

var DatePattern = @"\d{1,2}\/\d{1,2}\/\d{2,4}";
var DateMatch = Regex.Match(Result.Text, DatePattern);
if (DateMatch.Success)
{
    var DateValue = DateTime.Parse(DateMatch.Value);
    Console.WriteLine("Date: " + DateValue);
}

Imports System.Text.RegularExpressions

'Rest of the Code

Private DatePattern = "\d{1,2}\/\d{1,2}\/\d{2,4}"
Private DateMatch = Regex.Match(Result.Text, DatePattern)
If DateMatch.Success Then
	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。

存储和分析提取的数据

现在，您已经从收据中提取了相关信息，可以将其存储到数据库中、进行分析或导出为 CSV、JSON 或 Excel 等其他文件格式。

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； 使用 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。 最棒的是，IronOCR 提供免费试用，让您无需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，许可证从$749起，为您在应用程序中利用OCR技术的优势提供了一种经济有效的方法。