如何在 Tesseract 中使用多种语言
在光学字符识别领域 (光学字符识别) IronOCR 是一种广受赞誉的工具,以能够从各种语言和脚本中提取文本而著称。我们使用 Tesseract 引擎提供可靠易用的 OCR 工具。
在本文中,我们将介绍 IronOCR 如何借助 Tesseract 有效处理多语言文本。无论您是正在寻找可靠的多语言 OCR 解决方案的资深开发人员,还是仅仅对其工作原理感到好奇,本文都将帮助您了解 IronOCR 及其 Tesseract 引擎,并阐明这一宝贵工具的功能。
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
开始在您的项目中使用IronPDF,并立即获取免费试用。
查看 IronOCR 上 Nuget 用于快速安装和部署。它有超过800万次下载,正在使用C#改变OCR。
Install-Package IronOcr
考虑安装 IronOCR DLL 直接。下载并手动安装到您的项目或GAC表单中: IronOcr.zip
手动安装到你的项目中
下载DLL阅读多语言 PDF 示例
IronOcr 提供了约 125 种语言包,但默认只安装了英语包,其他语言包可从 NuGet 下载。您可以查看所有可用的 语言包。.
在下面的示例中,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.cs
using 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)
您可以使用 AddSecondaryLanguage
方法添加任意数量的辅助语言。但请注意,这种添加可能会影响速度和性能。语言的优先级取决于添加的顺序,先添加的优先级更高。
阅读多语言图像示例
主要语言默认设置为英语。要更改主要语言,请将 Language 属性设置为所需语言。之后,还可以添加辅助语言。
:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-image-input.cs
using 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)
如果方法得当,你就能期待像下面这样的结果。
结论
简而言之,IronOCR 在强大的 Tesseract 引擎支持下,在从多种语言文档中提取文本方面表现出色。它是处理复杂的多语言文本阅读问题不可或缺的工具,为开发人员和好奇者提供了一个多功能解决方案。无论您是处理包含各种语言文本的 PDF,还是处理图像中的多语言内容,IronOCR 都能简化识别和提取多语言文本的任务。