如何在 Tesseract 中使用多种语言
This article was translated from English: Does it need improvement?
TranslatedView the article in English
在光学字符识别领域(光学字符识别)技术方面，IronOCR 是一个备受推崇的工具，以其从各种语言和脚本中提取文本的能力而闻名。我们使用 Tesseract Engine 提供一个可靠且易于使用的 OCR 工具。
在本文中，我们将介绍 IronOCR 如何依靠 Tesseract 高效处理多种语言的文本。 无论您是寻找可靠的多语言OCR解决方案的经验丰富的开发者，还是仅仅对其运作方式感到好奇，本文都将帮助您了解IronOCR及其Tesseract引擎，阐明这一宝贵工具的功能。
开始使用IronOCR
立即在您的项目中开始使用IronOCR，并享受免费试用。
如何在 Tesseract 中使用多种语言
- 下载用于读取多种语言的 C# 库
- 准备 PDF 文档和图像以供阅读
- 通过 NuGet 安装附加语言包
- 使用
添加第二语言方法启用所需的语言 - 设置 语言 属性来更改默认语言
阅读多语言PDF示例
IronOcr提供大约125个语言包，但默认情况下只安装了英语包，其他语言包可以从NuGet下载。 您可以查看所有可用的语言包。.
在以下示例中，我将向您展示在IronOcr中使用多种语言从PDF文件中提取文本的代码。
:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-pdf-input.csusing IronOcr;
using System;
// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();
// Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian);
// Add PDF
using var pdfInput = new OcrPdfInput(@"example.pdf");
// Perform OCR
OcrResult result = ocrTesseract.Read(pdfInput);
// Output extracted text to console
Console.WriteLine(result.Text);Imports IronOcr
Imports System
' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()
' Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian)
' Add PDF
Dim pdfInput = New OcrPdfInput("example.pdf")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(pdfInput)
' Output extracted text to console
Console.WriteLine(result.Text)VB C#
您可以使用 AddSecondaryLanguage 方法添加任意数量的辅助语言。 然而，请注意，这一添加可能会影响速度和性能。 添加语言的优先级取决于添加的顺序，首先添加的语言具有更高的优先级。
读取多语言图像示例
默认设置的主要语言是英语。 要更改主要语言，请将语言属性设置为所需的语言。 之后，您还可以添加其他语言。
:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-image-input.csusing IronOcr;
using System;
// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();
// Set primary language to Hindi
ocrTesseract.Language = OcrLanguage.Russian;
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese);
// Add image
using var imageInput = new OcrImageInput(@"example.png");
// Perform OCR
OcrResult result = ocrTesseract.Read(imageInput);
// Output extracted text to console
Console.WriteLine(result.Text);Imports IronOcr
Imports System
' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()
' Set primary language to Hindi
ocrTesseract.Language = OcrLanguage.Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese)
' Add image
Dim imageInput = New OcrImageInput("example.png")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(imageInput)
' Output extracted text to console
Console.WriteLine(result.Text)VB C#
如果您正确操作，可以期待以下的结果。
结论
简而言之，IronOCR 借助强大的 Tesseract 引擎，擅长从多种语言的文档中提取文本。 这是处理多种语言文本阅读复杂性的不可或缺的工具，为开发者和好奇心旺盛的人提供了多功能的解决方案。 无论您是在处理带有多种语言文字的PDF文件，还是在处理图像中的多语言内容，IronOCR都简化了识别和提取多种语言文本的任务。
