如何在 Tesseract 中使用多种语言

坎那帕·乌东攀

2023年十月25日

更新 2024年十二月10日

Translated

View the article in English

在光学字符识别（OCR）技术领域，IronOCR 是一个备受推崇的工具，因其能够从多种语言和文字中提取文本而闻名。我们使用 Tesseract 引擎以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。

第一步：

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AddSecondaryLanguage方法启用所需的语言
设置语言属性以更改默认语言

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。您可以在这里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.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)

$vbLabelText $csharpLabel

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Language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.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)

$vbLabelText $csharpLabel

如果您正确操作，可以期待以下的结果。

俄文和日文

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。

坎那帕·乌东攀

立即与工程团队聊天

软件工程师

在成为软件工程师之前，Kannapat 从日本北海道大学完成了环境资源博士学位。在攻读学位期间，Kannapat 还成为了生物生产工程系车辆机器人实验室的成员。2022年，他利用自己的 C# 技能加入了 Iron Software 的工程团队，专注于 IronPDF。Kannapat 珍视他的工作，因为他能直接向编写 IronPDF 大部分代码的开发者学习。除了同伴学习，Kannapat 还享受在 Iron Software 工作的社交方面。不写代码或文档时，Kannapat 通常在 PS5 上玩游戏或重看《最后生还者》。