C# 中的 Tesseract OCR 替代方案:使用 IronOCR
希望在您的 C# 应用程序中实施光学字符识别? 虽然 Google Tesseract 提供了免费的 OCR 解决方案,但许多开发人员对其复杂的设置、实际文档的有限准确性以及具有挑战性的 C++ 互操作要求感到头疼。 本指南展示了如何使用IronOCR增强版Tesseract实现高精度OCR——这是一种本地C#库,不仅消除了安装的麻烦,还能提供卓越的结果。
无论您是要从扫描文档中提取文本、处理发票,还是要构建文档自动化系统,您都将学会如何在几分钟内而不是几周内实现生产就绪的 OCR。
快速入门:使用 IronTesseract 实现单行 OCR 识别使用IronOCR的最简单API在几秒钟内抓取文本。 此示例展示了一行代码如何调用IronTesseract,将其输入图像,并返回识别后的文本——无需烦恼,只需结果。
-
1使用 IronOCR 安装 NuGet Package Manager
-
2复制并运行这段代码。
string text = new IronTesseract().Read("image.png").Text;Dim text As String = New IronTesseract().Read("image.png").TextDim text As String = New IronTesseract().Read("image.png").Text -
3部署到您的生产环境中进行测试
今天就用免费试用在您的项目中开始使用IronOCR
最小工作流程(5 个步骤)
- 通过NuGet包管理器安装增强版Tesseract OCR库
- 配置图像预处理以获得最佳文本识别效果
- 处理包括 PDF 和多帧 TIFF 在内的多种文档格式
- 提取具有字符级准确性指标的结构化数据
- 跨平台部署,无需本地依赖性
IronOCR 的 C# 版 Tesseract 实现的全面功能概述,显示平台兼容性、支持的格式和高级处理功能
如何使用最少的代码在C#中从图像中提取文本?
下面的示例演示了如何在 .NET 应用程序中实现 OCR 功能,只需几行代码。 与 vanilla Tesseract 不同的是,这种方法可以自动处理图像预处理,即使在扫描不完美的情况下也能提供准确的结果。
使用NuGet程序包管理器将IronOCR NuGet包安装到您的Visual Studio解决方案中。
using IronOcr;
using System;
var ocr = new IronTesseract();
using var input = new OcrInput();
var pageindices = new int[] { 1, 2 };
input.LoadImageFrames(@"img\example.tiff", pageindices);
input.DeNoise(); //fixes digital noise
input.Deskew(); //fixes rotation and perspective
// there are dozens more filters, but most users wont need them
OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);using IronOcr;
using System;
var ocr = new IronTesseract();
using var input = new OcrInput();
var pageindices = new int[] { 1, 2 };
input.LoadImageFrames(@"img\example.tiff", pageindices);
input.DeNoise(); //fixes digital noise
input.Deskew(); //fixes rotation and perspective
// there are dozens more filters, but most users wont need them
OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);Imports IronOcr
Imports System
Private ocr = New IronTesseract()
Private input = New OcrInput()
Private pageindices = New Integer() { 1, 2 }
input.LoadImageFrames("img\example.tiff", pageindices)
input.DeNoise() 'fixes digital noise
input.Deskew() 'fixes rotation and perspective
' there are dozens more filters, but most users wont need them
Dim result As OcrResult = ocr.Read(input)
Console.WriteLine(result.Text)Imports IronOcr
Imports System
Private ocr = New IronTesseract()
Private input = New OcrInput()
Private pageindices = New Integer() { 1, 2 }
input.LoadImageFrames("img\example.tiff", pageindices)
input.DeNoise() 'fixes digital noise
input.Deskew() 'fixes rotation and perspective
' there are dozens more filters, but most users wont need them
Dim result As OcrResult = ocr.Read(input)
Console.WriteLine(result.Text)这段代码展示了 IronOCR 简化 API 的强大功能。 IronTesseract 类提供了 Tesseract 5 的托管包装,消除了复杂 C++ 互操作的需求。OcrInput 类支持加载多种图像格式和页面,而可选的预处理方法(DeNoise() 和 Deskew())可以显著提高真实文档的准确性。
除了基本的文本提取,OcrResult 对象提供了丰富的结构化数据,包括单词级别的置信度评分、字符位置和文档结构——支持高级功能如可搜索的PDF创建和精确文本位置跟踪。
Tesseract与IronOCR在安装上的主要区别是什么?
在 .NET 中使用 Tesseract 引擎进行 OCR
传统的 C# Tesseract 集成需要管理 C++ 库,这带来了一些挑战。
开发人员必须处理特定平台的二进制文件,确保 Visual C++ 运行时的安装,并管理 32/64 位兼容性问题。 设置通常需要手动编译 Tesseract 和 Leptonica 库,尤其是最新的 Tesseract 5 版本,因为该版本不是为 Windows 编译而设计的。
在 Azure、Docker 或 Linux 环境中,跨平台部署尤其成问题,因为在这些环境中,权限和依赖性差异很大。
IronOCR Tesseract for .NET
IronOCR 通过 NuGet 发布的单一托管 .NET 库消除了安装的复杂性:
无本地 DLL、无 C# 运行时、无特定平台配置。 所有内容均以纯托管代码运行,并自动解决依赖性问题。
该库完全兼容
- .NET Framework 4.6.2 及以上版本
- .NET Standard 2.0及更高版本(包括.NET 8、9和10)
这种方法可确保在 Windows、macOS、Linux、Azure、AWS Lambda、Docker 容器甚至 Xamarin 移动应用程序中保持一致的行为。
最新的OCR引擎版本在.NET开发中的表现如何?
在 C# 中使用 Google Tesseract
Tesseract 5 虽然功能强大,但给 Windows 开发人员带来了巨大挑战。
最新版本需要使用 MinGW 进行交叉编译,而 MinGW 很少能生成可用的 Windows 二进制文件。 GitHub 上的免费 C# 封装程序往往落后于最新的 Tesseract 版本数年,缺少关键的改进和错误修复。 由于这些编译障碍,开发人员经常使用过时的 Tesseract 3.x 或 4.x 版本。
IronOCR Tesseract for .NET
IronOCR附带了一个专为.NET优化的自定义Tesseract 5引擎。
本实施包括性能增强功能,如本地多线程支持、自动图像预处理和大型文档的内存高效处理。 定期更新可确保与最新的 .NET 版本兼容,同时保持向后兼容性。
该库还通过专用NuGet包提供了广泛的语言支持,使添加超过127种语言的OCR功能变得简单,无需管理外部字典文件。
谷歌云 OCR 对比
虽然Google Cloud Vision OCR提供了高精度,但它需要互联网连接,按请求收费,并且对于敏感文档存在数据隐私问题。 IronOCR 可提供与内部处理相当的准确性,因此非常适合需要数据安全或离线功能的应用。
通过不同的方法可以获得什么水平的OCR精确度?
在 .NET 项目中使用 Google Tesseract
Raw Tesseract 擅长阅读高分辨率、完全对齐的文本,但在处理真实世界的文档时却显得力不从心。
除非进行大量预处理,否则扫描页面、照片或低分辨率图像通常会产生乱码。 要达到可接受的准确度,通常需要使用 ImageMagick 或类似工具定制图像处理管道,这就为每种文档类型增加了数周的开发时间。
常见的准确性问题包括
- 倾斜文档上的误读字符
- 低DPI扫描完全失败
- 使用混合字体或布局时性能不佳
- 无法处理背景噪音或水印
在 .NET 项目中使用 IronOCR Tesseract
IronOCR的增强实现可在典型商业文档上提供高精度,无需手动预处理:
using IronOcr;
using System;
// Create an instance of the IronTesseract class for OCR processing
var ocr = new IronTesseract();
// Create an OcrInput object to load and preprocess images
using var input = new OcrInput();
// Specify which pages to extract from multi-page documents
var pageIndices = new int[] { 1, 2 };
// Load specific frames from a TIFF file
// IronOCR automatically detects and handles various image formats
input.LoadImageFrames(@"img\example.tiff", pageIndices);
// Apply automatic image enhancement filters
// These filters dramatically improve accuracy on imperfect scans
input.DeNoise(); // Removes digital artifacts and speckles
input.Deskew(); // Corrects rotation up to 15 degrees
// Perform OCR with enhanced accuracy algorithms
OcrResult result = ocr.Read(input);
// Access the extracted text with confidence metrics
Console.WriteLine(result.Text);
// Additional accuracy features available:
// - result.Confidence: Overall accuracy percentage
// - result.Pages[0].Words: Word-level confidence scores
// - result.Blocks: Structured document layout analysisusing IronOcr;
using System;
// Create an instance of the IronTesseract class for OCR processing
var ocr = new IronTesseract();
// Create an OcrInput object to load and preprocess images
using var input = new OcrInput();
// Specify which pages to extract from multi-page documents
var pageIndices = new int[] { 1, 2 };
// Load specific frames from a TIFF file
// IronOCR automatically detects and handles various image formats
input.LoadImageFrames(@"img\example.tiff", pageIndices);
// Apply automatic image enhancement filters
// These filters dramatically improve accuracy on imperfect scans
input.DeNoise(); // Removes digital artifacts and speckles
input.Deskew(); // Corrects rotation up to 15 degrees
// Perform OCR with enhanced accuracy algorithms
OcrResult result = ocr.Read(input);
// Access the extracted text with confidence metrics
Console.WriteLine(result.Text);
// Additional accuracy features available:
// - result.Confidence: Overall accuracy percentage
// - result.Pages[0].Words: Word-level confidence scores
// - result.Blocks: Structured document layout analysisImports IronOcr
Imports System
' Create an instance of the IronTesseract class for OCR processing
Private ocr = New IronTesseract()
' Create an OcrInput object to load and preprocess images
Private input = New OcrInput()
' Specify which pages to extract from multi-page documents
Private pageIndices = New Integer() { 1, 2 }
' Load specific frames from a TIFF file
' IronOCR automatically detects and handles various image formats
input.LoadImageFrames("img\example.tiff", pageIndices)
' Apply automatic image enhancement filters
' These filters dramatically improve accuracy on imperfect scans
input.DeNoise() ' Removes digital artifacts and speckles
input.Deskew() ' Corrects rotation up to 15 degrees
' Perform OCR with enhanced accuracy algorithms
Dim result As OcrResult = ocr.Read(input)
' Access the extracted text with confidence metrics
Console.WriteLine(result.Text)
' Additional accuracy features available:
' - result.Confidence: Overall accuracy percentage
' - result.Pages[0].Words: Word-level confidence scores
' - result.Blocks: Structured document layout analysisImports IronOcr
Imports System
' Create an instance of the IronTesseract class for OCR processing
Private ocr = New IronTesseract()
' Create an OcrInput object to load and preprocess images
Private input = New OcrInput()
' Specify which pages to extract from multi-page documents
Private pageIndices = New Integer() { 1, 2 }
' Load specific frames from a TIFF file
' IronOCR automatically detects and handles various image formats
input.LoadImageFrames("img\example.tiff", pageIndices)
' Apply automatic image enhancement filters
' These filters dramatically improve accuracy on imperfect scans
input.DeNoise() ' Removes digital artifacts and speckles
input.Deskew() ' Corrects rotation up to 15 degrees
' Perform OCR with enhanced accuracy algorithms
Dim result As OcrResult = ocr.Read(input)
' Access the extracted text with confidence metrics
Console.WriteLine(result.Text)
' Additional accuracy features available:
' - result.Confidence: Overall accuracy percentage
' - result.Pages[0].Words: Word-level confidence scores
' - result.Blocks: Structured document layout analysis自动预处理过滤器可以处理常见的文档质量问题,否则将需要人工干预。 DeNoise() 方法消除扫描中的数字伪影,而Deskew() 校正文档旋转——两者都是保持高精度的关键。
高级用户还可以进一步使用自定义配置优化精确度,包括字符白名单、特定区域处理以及为特定行业术语的专用语言模型。
支持哪些图像格式和来源进行OCR处理?
.NET中的谷歌魔方
原生 Tesseract 只接受 Leptonica PIX 格式--一种未托管的 C++ 指针,在 C# 中使用具有挑战性。
将 .NET 图像转换为 PIX 格式需要谨慎的内存管理,以防止泄漏。 对 PDF 和多页 TIFF 的支持需要额外的库,这些库本身存在兼容性问题。 许多实施方案在基本格式转换方面存在困难,限制了实际可用性。
IronOCR 图像兼容性
IronOCR 提供全面的格式支持,并可自动转换:
- PDF 文档(包括有密码保护的文档)
- 多帧 TIFF 文件
- 标准格式:JPEG、PNG、GIF、BMP
- 高级格式:JPEG2000、WBMP
- .NET类型:
System.Drawing.Image,System.Drawing.Bitmap - 数据源:流、字节数组、文件路径
- 直接扫描仪集成
综合格式支持示例
using IronOcr;
var text = new IronTesseract().Read("img.png").Text;using IronOcr;
var text = new IronTesseract().Read("img.png").Text;Imports IronOcr
Private text = (New IronTesseract()).Read("img.png").TextImports IronOcr
Private text = (New IronTesseract()).Read("img.png").Text这种统一的文档加载方法消除了特定格式的代码。 无论是处理扫描的 TIFF 文件、数字 PDF 还是智能手机照片,都可以使用相同的 API 来处理所有情况。 OcrInput 类智能管理内存,并提供一致的结果,无论源格式如何。
对于特殊场景,IronOCR还支持从同一文档读取条形码和二维码,使得在一次处理过程中全面提取文档数据成为可能。
OCR性能在实际应用中的表现如何?
免费 Google Tesseract 性能
Vanilla Tesseract 可以在符合其训练数据的预处理高分辨率图像上提供可接受的速度。
然而,现实世界的表现往往令人失望。 如果 Tesseract 无法保证图像质量,处理一页扫描文档可能需要 10-30 秒。 单线程架构会成为批量处理的瓶颈,而且内存使用量会随着大型图像的增加而激增。
IronOCR 魔方库性能
IronOCR 为生产工作负载实现了智能性能优化:
using IronOcr;
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.Arabic;
using var input = new OcrInput();
var pageindices = new int[] { 1, 2 };
input.LoadImageFrames("img/arabic.gif", pageindices);
// Add image filters if needed
// In this case, even thought input is very low quality
// IronTesseract can read what conventional Tesseract cannot.
var result = ocr.Read(input);
// Console can't print Arabic on Windows easily.
// Let's save to disk instead.
result.SaveAsTextFile("arabic.txt");using IronOcr;
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.Arabic;
using var input = new OcrInput();
var pageindices = new int[] { 1, 2 };
input.LoadImageFrames("img/arabic.gif", pageindices);
// Add image filters if needed
// In this case, even thought input is very low quality
// IronTesseract can read what conventional Tesseract cannot.
var result = ocr.Read(input);
// Console can't print Arabic on Windows easily.
// Let's save to disk instead.
result.SaveAsTextFile("arabic.txt");Imports IronOcr
Private ocr = New IronTesseract()
ocr.Language = OcrLanguage.Arabic
Dim input = New OcrInput()
Dim pageindices = New Integer() { 1, 2 }
input.LoadImageFrames("img/arabic.gif", pageindices)
' Add image filters if needed
' In this case, even thought input is very low quality
' IronTesseract can read what conventional Tesseract cannot.
Dim result = ocr.Read(input)
' Console can't print Arabic on Windows easily.
' Let's save to disk instead.
result.SaveAsTextFile("arabic.txt")Imports IronOcr
Private ocr = New IronTesseract()
ocr.Language = OcrLanguage.Arabic
Dim input = New OcrInput()
Dim pageindices = New Integer() { 1, 2 }
input.LoadImageFrames("img/arabic.gif", pageindices)
' Add image filters if needed
' In this case, even thought input is very low quality
' IronTesseract can read what conventional Tesseract cannot.
Dim result = ocr.Read(input)
' Console can't print Arabic on Windows easily.
' Let's save to disk instead.
result.SaveAsTextFile("arabic.txt")这些优化体现了 IronOCR 的生产就绪设计。 单独的BlackListCharacters 配置可以在不需要特殊字符时提高速度。 快速语言包可以很好地兼顾大批量处理的需要,在这种情况下,完美的准确性并不重要。
对于企业应用,IronOCR的多线程支持允许同时处理多个文档,与单线程的Tesseract相比,提高了现代多核系统上的吞吐量。
Tesseract与IronOCR的API设计有何不同?
在 .NET 中使用 Google Tesseract OCR
将原始 Tesseract 集成到 C# 应用程序中提出了两种具有挑战性的方案:
- 互操作包装器:通常过时,文档不全,易发生内存泄漏
- 命令行执行:难以部署,被安全策略阻止,错误处理差
这两种方法都不能在云环境、网络应用或跨平台部署中可靠地使用。 缺乏适当的 .NET 集成意味着要花更多的时间与工具打交道,而不是解决业务问题。
适用于 .NET 的 IronOCR Tesseract OCR 库
IronOCR 提供了专为 .NET 开发人员设计的完全可管理、直观的 API:
最简单的实现
using IronOcr;
// For the Chinese Language Pack:
// PM> Install IronOcr.Languages.ChineseSimplified
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.English);
// We can add any number of languages
using var input = new OcrInput();
input.LoadPdf("multi-language.pdf");
var result = ocr.Read(input);
result.SaveAsTextFile("results.txt");using IronOcr;
// For the Chinese Language Pack:
// PM> Install IronOcr.Languages.ChineseSimplified
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.English);
// We can add any number of languages
using var input = new OcrInput();
input.LoadPdf("multi-language.pdf");
var result = ocr.Read(input);
result.SaveAsTextFile("results.txt");Imports IronOcr
' For the Chinese Language Pack:
' PM> Install IronOcr.Languages.ChineseSimplified
Private ocr = New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
ocr.AddSecondaryLanguage(OcrLanguage.English)
' We can add any number of languages
Dim input = New OcrInput()
input.LoadPdf("multi-language.pdf")
Dim result = ocr.Read(input)
result.SaveAsTextFile("results.txt")Imports IronOcr
' For the Chinese Language Pack:
' PM> Install IronOcr.Languages.ChineseSimplified
Private ocr = New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
ocr.AddSecondaryLanguage(OcrLanguage.English)
' We can add any number of languages
Dim input = New OcrInput()
input.LoadPdf("multi-language.pdf")
Dim result = ocr.Read(input)
result.SaveAsTextFile("results.txt")此高效API消除了传统Tesseract集成的复杂性。 每个方法都包含全面的XML文档,使您可以轻松在IDE中直接探索功能。广泛的API文档为每个功能提供详细示例。
经验丰富的工程师提供的专业支持可确保您绝不会在实施细节上卡壳。 该库定期更新,保持与最新 .NET 版本的兼容性,同时根据开发人员的反馈添加新功能。
支持哪些平台和部署场景?
Google Tesseract + 适用于 .NET 的 Interop
跨平台部署 Tesseract 需要特定平台的构建和配置。
每个目标环境需要不同的二进制文件、运行时依赖性和权限。 Docker 容器需要仔细选择基础镜像。 由于缺少 Visual C++ 运行时,Azure 部署经常失败。 Linux 兼容性取决于特定的发行版和软件包的可用性。
IronOCR Tesseract .NET OCR 库
IronOCR 提供真正的一次编写、随处部署功能:
应用类型:
- 桌面应用程序(WPF、WinForms、控制台)
- 网络应用程序(ASP.NET Core、Blazor)
- 云服务(Azure Functions、AWS Lambda)
- 移动应用程序(通过 Xamarin)
- 微服务(Docker、Kubernetes)
平台支持:
- 视窗(7、8、10、11 和服务器版)
- macOS(英特尔和苹果硅)
- Linux(Ubuntu、Debian、CentOS、Alpine)
- Docker 容器(官方基础镜像)
- 云平台(Azure、AWS、Google Cloud)
.NET兼容性:
.NET Framework 4.6.2及更高版本.NET Standard 2.0及更高版本(包含.NET 8,9, 和10)- Mono 框架
- Xamarin.Mac
该库在内部处理平台差异,在所有环境中提供一致的结果。 部署指南涵盖了特定场景,包括容器化、无服务器函数和高可用性配置。
多语言OCR功能如何比较?
谷歌 Tesseract 语言支持
管理原始 Tesseract 中的语言需要下载和维护 tessdata 文件(所有语言约 4GB)。
文件夹结构必须精确,环境变量必须正确配置,路径必须能在运行时访问。语言切换需要访问文件系统,从而使受限环境下的部署变得复杂。 Tesseract 二进制文件和语言文件之间的版本不匹配会导致隐含错误。
IronOCR 语言管理
IronOCR 通过 NuGet 软件包管理彻底改变了语言支持:
阿拉伯语OCR示例
using IronOcr;
// Configure IronTesseract for Arabic text recognition
var ocr = new IronTesseract
{
// Set primary language to Arabic
// Automatically handles right-to-left text
Language = OcrLanguage.Arabic
};
// Load Arabic documents for processing
using var input = new OcrInput();
var pageIndices = new int[] { 1, 2 };
input.LoadImageFrames("img/arabic.gif", pageIndices);
// IronOCR includes specialized preprocessing for Arabic scripts
// Handles cursive text and diacritical marks automatically
// Perform OCR with language-specific optimizations
var result = ocr.Read(input);
// Save results with proper Unicode encoding
// Preserves Arabic text formatting and direction
result.SaveAsTextFile("arabic.txt");
// Advanced Arabic features:
// - Mixed Arabic/English document support
// - Automatic number conversion (Eastern/Western Arabic)
// - Font-specific optimization for common Arabic typefacesusing IronOcr;
// Configure IronTesseract for Arabic text recognition
var ocr = new IronTesseract
{
// Set primary language to Arabic
// Automatically handles right-to-left text
Language = OcrLanguage.Arabic
};
// Load Arabic documents for processing
using var input = new OcrInput();
var pageIndices = new int[] { 1, 2 };
input.LoadImageFrames("img/arabic.gif", pageIndices);
// IronOCR includes specialized preprocessing for Arabic scripts
// Handles cursive text and diacritical marks automatically
// Perform OCR with language-specific optimizations
var result = ocr.Read(input);
// Save results with proper Unicode encoding
// Preserves Arabic text formatting and direction
result.SaveAsTextFile("arabic.txt");
// Advanced Arabic features:
// - Mixed Arabic/English document support
// - Automatic number conversion (Eastern/Western Arabic)
// - Font-specific optimization for common Arabic typefacesImports IronOcr
' Configure IronTesseract for Arabic text recognition
Private ocr = New IronTesseract With {.Language = OcrLanguage.Arabic}
' Load Arabic documents for processing
Private input = New OcrInput()
Private pageIndices = New Integer() { 1, 2 }
input.LoadImageFrames("img/arabic.gif", pageIndices)
' IronOCR includes specialized preprocessing for Arabic scripts
' Handles cursive text and diacritical marks automatically
' Perform OCR with language-specific optimizations
Dim result = ocr.Read(input)
' Save results with proper Unicode encoding
' Preserves Arabic text formatting and direction
result.SaveAsTextFile("arabic.txt")
' Advanced Arabic features:
' - Mixed Arabic/English document support
' - Automatic number conversion (Eastern/Western Arabic)
' - Font-specific optimization for common Arabic typefacesImports IronOcr
' Configure IronTesseract for Arabic text recognition
Private ocr = New IronTesseract With {.Language = OcrLanguage.Arabic}
' Load Arabic documents for processing
Private input = New OcrInput()
Private pageIndices = New Integer() { 1, 2 }
input.LoadImageFrames("img/arabic.gif", pageIndices)
' IronOCR includes specialized preprocessing for Arabic scripts
' Handles cursive text and diacritical marks automatically
' Perform OCR with language-specific optimizations
Dim result = ocr.Read(input)
' Save results with proper Unicode encoding
' Preserves Arabic text formatting and direction
result.SaveAsTextFile("arabic.txt")
' Advanced Arabic features:
' - Mixed Arabic/English document support
' - Automatic number conversion (Eastern/Western Arabic)
' - Font-specific optimization for common Arabic typefaces多语言文档处理
using IronOcr;
// Install language packs via NuGet:
// PM> Install-Package IronOcr.Languages.ChineseSimplified
// Configure multi-language OCR
var ocr = new IronTesseract();
// Set primary language for majority content
ocr.Language = OcrLanguage.ChineseSimplified;
// Add secondary language for mixed content
// Perfect for documents with Chinese text and English metadata
ocr.AddSecondaryLanguage(OcrLanguage.English);
// Process multi-language PDFs efficiently
using var input = new OcrInput();
input.LoadPdf("multi-language.pdf");
// IronOCR automatically detects and switches between languages
// Maintains high accuracy across language boundaries
var result = ocr.Read(input);
// Export preserves all languages correctly
result.SaveAsTextFile("results.txt");
// Supported scenarios:
// - Technical documents with English terms in foreign text
// - Multilingual forms and applications
// - International business documents
// - Mixed-script content (Latin, CJK, Arabic, etc.)using IronOcr;
// Install language packs via NuGet:
// PM> Install-Package IronOcr.Languages.ChineseSimplified
// Configure multi-language OCR
var ocr = new IronTesseract();
// Set primary language for majority content
ocr.Language = OcrLanguage.ChineseSimplified;
// Add secondary language for mixed content
// Perfect for documents with Chinese text and English metadata
ocr.AddSecondaryLanguage(OcrLanguage.English);
// Process multi-language PDFs efficiently
using var input = new OcrInput();
input.LoadPdf("multi-language.pdf");
// IronOCR automatically detects and switches between languages
// Maintains high accuracy across language boundaries
var result = ocr.Read(input);
// Export preserves all languages correctly
result.SaveAsTextFile("results.txt");
// Supported scenarios:
// - Technical documents with English terms in foreign text
// - Multilingual forms and applications
// - International business documents
// - Mixed-script content (Latin, CJK, Arabic, etc.)Imports IronOcr
' Install language packs via NuGet:
' PM> Install-Package IronOcr.Languages.ChineseSimplified
' Configure multi-language OCR
Private ocr = New IronTesseract()
' Set primary language for majority content
ocr.Language = OcrLanguage.ChineseSimplified
' Add secondary language for mixed content
' Perfect for documents with Chinese text and English metadata
ocr.AddSecondaryLanguage(OcrLanguage.English)
' Process multi-language PDFs efficiently
Dim input = New OcrInput()
input.LoadPdf("multi-language.pdf")
' IronOCR automatically detects and switches between languages
' Maintains high accuracy across language boundaries
Dim result = ocr.Read(input)
' Export preserves all languages correctly
result.SaveAsTextFile("results.txt")
' Supported scenarios:
' - Technical documents with English terms in foreign text
' - Multilingual forms and applications
' - International business documents
' - Mixed-script content (Latin, CJK, Arabic, etc.)Imports IronOcr
' Install language packs via NuGet:
' PM> Install-Package IronOcr.Languages.ChineseSimplified
' Configure multi-language OCR
Private ocr = New IronTesseract()
' Set primary language for majority content
ocr.Language = OcrLanguage.ChineseSimplified
' Add secondary language for mixed content
' Perfect for documents with Chinese text and English metadata
ocr.AddSecondaryLanguage(OcrLanguage.English)
' Process multi-language PDFs efficiently
Dim input = New OcrInput()
input.LoadPdf("multi-language.pdf")
' IronOCR automatically detects and switches between languages
' Maintains high accuracy across language boundaries
Dim result = ocr.Read(input)
' Export preserves all languages correctly
result.SaveAsTextFile("results.txt")
' Supported scenarios:
' - Technical documents with English terms in foreign text
' - Multilingual forms and applications
' - International business documents
' - Mixed-script content (Latin, CJK, Arabic, etc.)语言包系统支持超过127种语言,每一种都为特定的脚本和书写系统进行了优化。 通过 NuGet 安装可确保版本兼容性,并简化不同环境下的部署。
IronOCR除了基本OCR外还提供哪些附加功能?
IronOCR 的企业级功能远远超出了基本的文本提取:
- 自动图像分析:根据图像特性智能配置处理
- 可搜索的PDF创建:将扫描的文档转换为完全可搜索的PDF。 将
true作为第二个参数传递给SaveAsSearchablePdf()以对输出应用主动 OCR 过滤器(新增 v2025.5.11)。 - 高级PDF OCR:提取文本同时保留文档结构
- 条形码和二维码读取:在同一过程中检测和解码条形码
- HTML导出:从OCR结果生成结构化HTML
- TIFF到PDF转换:将多页TIFF转换为可搜索的PDF
- 手写英文OCR:新增于v2025.11.31的本地英文手写识别——在处理手填表格和笔记时,它相比原始的Tesseract是一个显著的区别
- 方向检测:
DetectPageOrientation()支持四个OrientationDetectionMode值 -Fast,Balanced,Detailed,ExtremeDetailed- 用于控制准确性/速度的权衡(新增 v2025.8.6)。 - 多线程支持:同时处理多个文档
- 详细结果分析:访问字符级别数据及置信度评分
Scale() 和 EnhanceResolution() 由于 v2025.12.3 中的已知问题与 SaveAsSearchablePdf() 不兼容。所有其他过滤器均与可搜索 PDF 输出正常工作。OcrResult 类提供对识别内容的细粒度访问,支持复杂的后处理和验证工作流程。
哪种OCR解决方案适合您的C#开发?
Google Tesseract用于C# OCR
在以下情况下,请选择 vanilla Tesseract:
- 从事学术或研究项目
- 处理完美扫描的文件,开发时间不受限制
- 构建概念验证应用程序
- 成本是唯一的考虑因素
请做好应对重大集成挑战和持续维护要求的准备。
IronOCR Tesseract OCR 库 for .NET Framework 和 Core
IronOCR 是以下方面的最佳选择:
- 需要可靠性的生产应用程序
- 具有实际文档质量的项目
- 跨平台部署
- 具有时间敏感性的开发时间表
- 需要专业支持的应用程序
通过缩短开发时间和提高高难度文档的准确性,该库可以收回成本。
如何在您的C#项目中入门专业OCR?
开始在您的 Visual Studio 项目中实施高精度 OCR:
或直接下载IronOCR .NET DLL进行手动安装。
从我们的全面入门指南开始,探索代码示例,并在需要时利用专业支持。
体验专业OCR带来的不同——今天开始您的免费试用,加入数千家公司简化其文档处理工作流程。
Iron Software的OCR技术被全球财富500强企业和政府组织信任,用于关键任务的文档处理
常见问题
在C#应用程序中使用IronOCR相比Google Tesseract的主要优势是什么?
IronOCR提供了Tesseract的原生C#实现,消除了复杂的设置和C++互操作挑战,同时提供增强的准确性和与.NET应用程序的集成便利性。
IronOCR如何提高OCR结果的准确性?
IronOCR通过自动图像预处理步骤,如降噪和纠偏提升准确性,并支持优化OCR性能的高级算法,适用于真实世界的文档。
IronOCR支持哪些平台?
IronOCR支持包括Windows、macOS、Linux、Azure、AWS Lambda、Docker容器和Xamarin在内的平台,确保跨平台兼容性。
IronOCR能有效处理PDF和多页TIFF文件吗?
是的,IronOCR可以处理多种文档格式如PDF和多页TIFF,内置支持复杂文件类型,超越标准图像格式。
IronOCR支持多语言OCR功能吗?
IronOCR支持超过127种语言,提供专用的NuGet包便于集成,允许流畅处理多语言文档的OCR。
IronOCR提供了哪些超越传统OCR的额外功能?
IronOCR提供创建可搜索的PDF、条码读取、HTML导出、针对手写英语的高级OCR以及带有置信度指标的详细结果分析等功能。
IronOCR如何优化实际文档处理?
IronOCR通过多线程支持和自动图像预处理等性能增强进行优化,确保即使在复杂文档上也能实现高准确性和快速处理。
与Tesseract相比,IronOCR对于API设计的策略是什么?
IronOCR为.NET开发人员提供了一个完全托管且直观的API,简化了集成,并提供全面的文档和支持,以便快速实施。
IronOCR如何处理不同图像格式的OCR?
IronOCR自动管理JPEG、PNG、BMP等各种格式的图像转换,并支持.NET类型,为所有图像处理需求提供一致的API。
为什么IronOCR是C#中专业OCR解决方案的首选?
IronOCR因其易用性、可靠的功能集、跨平台兼容性和可靠的支持而被优选,适合生产环境。
Jacob Mellor是Iron Software的首席技术官,也是C# PDF技术的先锋工程师。作为Iron Software核心代码库的原始开发者,自公司成立以来,他就一直在塑造公司的产品架构,与首席执行官Cameron Rimington一起将其转型为拥有50多人、服务于NASA、特斯拉和全球政府机构的公司。
