1. IronOCR
  2. 教程
  3. Tesseract 比较
为什么 IronOCR 比 Tesseract 4 NuGet 包更好

如何在 C# 中使用魔方 OCR；使用 IronOCR 的替代方法

Jacob Mellor，Team Iron 的首席技术官
Jacob Mellor
已更新:
This article was translated from English: Does it need improvement?
Translated
View the article in English

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。 本综合指南向您展示了如何使用 IronOCR 的增强型 Tesseract 实现达到 99.8-100% 的 OCR 准确率--这是一个本地 C# 库，可以消除安装方面的麻烦，同时提供卓越的效果。

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 进行单行 OCR 识别

使用 IronOCR 最简单的 API 在几秒钟内抓取文本。 本示例展示了如何通过一行代码调用 IronTesseract、向其输入图片并返回识别文本--无需繁琐，只需结果。

Nuget Icon立即开始使用 NuGet 创建 PDF 文件：

  1. 使用 NuGet 包管理器安装 IronOCR

    PM > Install-Package IronOcr

  2. 复制并运行这段代码。

    string text = new IronTesseract().Read(new OcrInput("image.png")).Text;

  3. 部署到您的生产环境中进行测试

    立即开始在您的项目中使用 IronOCR，免费试用！
    arrow pointer

最小工作流程（5 个步骤）

  1. 通过 NuGet 包管理器安装增强型 Tesseract OCR 库
  2. 配置图像预处理以获得最佳文本识别效果
  3. 处理包括 PDF 和多帧 TIFF 在内的多种文档格式
  4. 提取具有字符级准确性指标的结构化数据
  5. 跨平台部署，无需本地依赖性
IronOCR功能矩阵展示了其与.NET语言和平台的兼容性、OCR引擎功能、输入格式支持以及结构化输出选项。

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 包管理器将 IronOCR NuGet 包安装到您的 Visual Studio 解决方案中。

using IronOcr;
using System;

// Initialize IronTesseract for performing OCR (Optical Character Recognition)
var ocr = new IronTesseract
{
    // Set the language for the OCR process to English
    Language = OcrLanguage.English
};

// Create a new OCR input that can hold the images to be processed
using var input = new OcrInput();

// Specify the page indices to be processed from the TIFF image
var pageIndices = new int[] { 1, 2 };

// Load specific pages of the TIFF image into the OCR input object
// Perfect for processing large multi-page documents efficiently
input.LoadImageFrames(@"img\example.tiff", pageIndices);

// Optional pre-processing steps (uncomment as needed)
// input.DeNoise();  // Remove digital noise from scanned documents
// input.Deskew();   // Automatically straighten tilted scans

// Perform OCR on the provided input
OcrResult result = ocr.Read(input);

// Output the recognized text to the console
Console.WriteLine(result.Text);

// Note: The OcrResult object contains detailed information including:
// - Individual words with confidence scores
// - Character positions and bounding boxes
// - Paragraph and line structure
using IronOcr;
using System;

// Initialize IronTesseract for performing OCR (Optical Character Recognition)
var ocr = new IronTesseract
{
    // Set the language for the OCR process to English
    Language = OcrLanguage.English
};

// Create a new OCR input that can hold the images to be processed
using var input = new OcrInput();

// Specify the page indices to be processed from the TIFF image
var pageIndices = new int[] { 1, 2 };

// Load specific pages of the TIFF image into the OCR input object
// Perfect for processing large multi-page documents efficiently
input.LoadImageFrames(@"img\example.tiff", pageIndices);

// Optional pre-processing steps (uncomment as needed)
// input.DeNoise();  // Remove digital noise from scanned documents
// input.Deskew();   // Automatically straighten tilted scans

// Perform OCR on the provided input
OcrResult result = ocr.Read(input);

// Output the recognized text to the console
Console.WriteLine(result.Text);

// Note: The OcrResult object contains detailed information including:
// - Individual words with confidence scores
// - Character positions and bounding boxes
// - Paragraph and line structure
Imports IronOcr
Imports System

' Initialize IronTesseract for performing OCR (Optical Character Recognition)
Private ocr = New IronTesseract With {.Language = OcrLanguage.English}

' Create a new OCR input that can hold the images to be processed
Private input = New OcrInput()

' Specify the page indices to be processed from the TIFF image
Private pageIndices = New Integer() { 1, 2 }

' Load specific pages of the TIFF image into the OCR input object
' Perfect for processing large multi-page documents efficiently
input.LoadImageFrames("img\example.tiff", pageIndices)

' Optional pre-processing steps (uncomment as needed)
' input.DeNoise();  // Remove digital noise from scanned documents
' input.Deskew();   // Automatically straighten tilted scans

' Perform OCR on the provided input
Dim result As OcrResult = ocr.Read(input)

' Output the recognized text to the console
Console.WriteLine(result.Text)

' Note: The OcrResult object contains detailed information including:
' - Individual words with confidence scores
' - Character positions and bounding boxes
' - Paragraph and line structure
$vbLabelText   $csharpLabel

这段代码展示了 IronOCR 简化 API 的强大功能。 IronTesseract 类为 Tesseract 5 提供了一个托管封装，从而消除了复杂的 C++ 互操作需求。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()）可显著提高实际文档的准确性。

除了基本的文本提取之外，OcrResult 对象还提供了丰富的结构化数据，包括单词级别的置信度分数、字符位置和文档结构 - 实现了 可搜索 PDF 创建和 精确文本位置跟踪等高级功能。

Tesseract 和 IronOCR 在安装方面的主要区别是什么？

使用 Tesseract 引擎在 .NET 中进行 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。

适用于 C# 的 IronOCR Tesseract；

IronOCR 通过 NuGet 发布的单一托管 .NET 库消除了安装的复杂性：

Install-Package IronOcr

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 及以上版本（包括 .NET 5、6、7、8、9 和 10）
  • .NET Core 2.0 及以上版本

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。

如何比较 .NET 开发的最新 OCR 引擎版本？

使用 C# 的谷歌 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 随附一个定制的 Tesseract 5 引擎，该引擎专门针对 .NET 进行了优化。

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。

该库还通过专用的 NuGet 软件包提供广泛的语言支持，使添加超过 127 种语言的 OCR 功能变得简单，而无需管理外部字典文件。

谷歌云 OCR 对比

虽然 Google Cloud Vision OCR 具有很高的准确性，但它需要互联网连接，按请求产生费用，并且会引发敏感文档的数据隐私问题。 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。

采用不同的方法，您可以实现何种程度的 OCR 准确性？

.NET 项目中的 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

.NET 项目中的 IronOCR Tesseract.

IronOCR 的增强型实现无需人工预处理即可在典型商业文档上实现 99.8-100% 的准确率：

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 analysis
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 analysis
Imports 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
$vbLabelText   $csharpLabel

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()方法可去除扫描中的数字伪影，而Deskew()方法可纠正文档旋转--这两种方法对于保持高精度至关重要。

高级用户可以进一步使用自定义配置优化准确性，包括字符白名单、特定地区处理和针对特定行业术语的专门语言模型。

OCR 处理支持哪些图像格式和来源？

.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：<代码>System.Drawing.Image</代码>, <代码>System.Drawing.Bitmap</代码
  • 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;
using System;

// Initialize IronTesseract for OCR operations
var ocr = new IronTesseract();

// Create an OcrInput container for multiple sources
using var input = new OcrInput();

// Load password-protected PDFs seamlessly
// IronOCR handles PDF rendering internally
input.LoadPdf("example.pdf", "password");

// Process specific pages from multi-page TIFFs
// Perfect for batch document processing
var pageIndices = new int[] { 1, 2 };
input.LoadImageFrames("multi-frame.tiff", pageIndices);

// Add individual images in any common format
// Automatic format detection and conversion
input.LoadImage("image1.png");
input.LoadImage("image2.jpeg");

// Process all loaded content in a single operation
// Results maintain document structure and ordering
var result = ocr.Read(input);

// Extract text while preserving document layout
Console.WriteLine(result.Text);

// Advanced features for complex documents:
// - Extract images from specific PDF pages
// - Process only certain regions of images
// - Maintain reading order across mixed formats
using IronOcr;
using System;

// Initialize IronTesseract for OCR operations
var ocr = new IronTesseract();

// Create an OcrInput container for multiple sources
using var input = new OcrInput();

// Load password-protected PDFs seamlessly
// IronOCR handles PDF rendering internally
input.LoadPdf("example.pdf", "password");

// Process specific pages from multi-page TIFFs
// Perfect for batch document processing
var pageIndices = new int[] { 1, 2 };
input.LoadImageFrames("multi-frame.tiff", pageIndices);

// Add individual images in any common format
// Automatic format detection and conversion
input.LoadImage("image1.png");
input.LoadImage("image2.jpeg");

// Process all loaded content in a single operation
// Results maintain document structure and ordering
var result = ocr.Read(input);

// Extract text while preserving document layout
Console.WriteLine(result.Text);

// Advanced features for complex documents:
// - Extract images from specific PDF pages
// - Process only certain regions of images
// - Maintain reading order across mixed formats
Imports IronOcr
Imports System

' Initialize IronTesseract for OCR operations
Private ocr = New IronTesseract()

' Create an OcrInput container for multiple sources
Private input = New OcrInput()

' Load password-protected PDFs seamlessly
' IronOCR handles PDF rendering internally
input.LoadPdf("example.pdf", "password")

' Process specific pages from multi-page TIFFs
' Perfect for batch document processing
Dim pageIndices = New Integer() { 1, 2 }
input.LoadImageFrames("multi-frame.tiff", pageIndices)

' Add individual images in any common format
' Automatic format detection and conversion
input.LoadImage("image1.png")
input.LoadImage("image2.jpeg")

' Process all loaded content in a single operation
' Results maintain document structure and ordering
Dim result = ocr.Read(input)

' Extract text while preserving document layout
Console.WriteLine(result.Text)

' Advanced features for complex documents:
' - Extract images from specific PDF pages
' - Process only certain regions of images
' - Maintain reading order across mixed formats
$vbLabelText   $csharpLabel

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类可智能地管理内存，无论源格式如何，都能提供一致的结果。

针对专业场景，IronOCR 还支持从同一文档中读取条形码和二维码，从而一次性实现全面的文档数据提取。

OCR 性能在实际应用中如何比较？

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;
using System;

// Configure IronTesseract for optimal performance
var ocr = new IronTesseract();

// Performance optimization: disable unnecessary character recognition
// Speeds up processing by 20-30% when special characters aren't needed
ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\@¢©«»°±·×‑–—''""•…′″€™←↑→↓↔⇄⇒∅∼≅≈≠≤≥≪≫⌁⌘○◔◑◕●";

// Use automatic page segmentation for faster processing
// Adapts to document layout without manual configuration
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;

// Disable barcode scanning when not needed
// Eliminates unnecessary processing overhead
ocr.Configuration.ReadBarCodes = false;

// Switch to fast language pack for speed-critical applications
// Trades minimal accuracy for 40% performance improvement
ocr.Language = OcrLanguage.EnglishFast;

// Load and process documents efficiently
using var input = new OcrInput();
var pageIndices = new int[] { 1, 2 };
input.LoadImageFrames(@"img\Potter.tiff", pageIndices);

// Multi-threaded processing utilizes all CPU cores
// Automatically scales based on system capabilities
var result = ocr.Read(input);

Console.WriteLine(result.Text);

// Performance monitoring capabilities:
// - result.TimeToRead: Processing duration
// - result.InputDetails: Image analysis metrics
// - Memory-efficient streaming for large documents
using IronOcr;
using System;

// Configure IronTesseract for optimal performance
var ocr = new IronTesseract();

// Performance optimization: disable unnecessary character recognition
// Speeds up processing by 20-30% when special characters aren't needed
ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\@¢©«»°±·×‑–—''""•…′″€™←↑→↓↔⇄⇒∅∼≅≈≠≤≥≪≫⌁⌘○◔◑◕●";

// Use automatic page segmentation for faster processing
// Adapts to document layout without manual configuration
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;

// Disable barcode scanning when not needed
// Eliminates unnecessary processing overhead
ocr.Configuration.ReadBarCodes = false;

// Switch to fast language pack for speed-critical applications
// Trades minimal accuracy for 40% performance improvement
ocr.Language = OcrLanguage.EnglishFast;

// Load and process documents efficiently
using var input = new OcrInput();
var pageIndices = new int[] { 1, 2 };
input.LoadImageFrames(@"img\Potter.tiff", pageIndices);

// Multi-threaded processing utilizes all CPU cores
// Automatically scales based on system capabilities
var result = ocr.Read(input);

Console.WriteLine(result.Text);

// Performance monitoring capabilities:
// - result.TimeToRead: Processing duration
// - result.InputDetails: Image analysis metrics
// - Memory-efficient streaming for large documents
Imports IronOcr
Imports System

' Configure IronTesseract for optimal performance
Private ocr = New IronTesseract()

' Performance optimization: disable unnecessary character recognition
' Speeds up processing by 20-30% when special characters aren't needed
ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\@¢©«»°±·×‑–—''""•…′″€™←↑→↓↔⇄⇒∅∼≅≈≠≤≥≪≫⌁⌘○◔◑◕●"

' Use automatic page segmentation for faster processing
' Adapts to document layout without manual configuration
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto

' Disable barcode scanning when not needed
' Eliminates unnecessary processing overhead
ocr.Configuration.ReadBarCodes = False

' Switch to fast language pack for speed-critical applications
' Trades minimal accuracy for 40% performance improvement
ocr.Language = OcrLanguage.EnglishFast

' Load and process documents efficiently
Dim input = New OcrInput()
Dim pageIndices = New Integer() { 1, 2 }
input.LoadImageFrames("img\Potter.tiff", pageIndices)

' Multi-threaded processing utilizes all CPU cores
' Automatically scales based on system capabilities
Dim result = ocr.Read(input)

Console.WriteLine(result.Text)

' Performance monitoring capabilities:
' - result.TimeToRead: Processing duration
' - result.InputDetails: Image analysis metrics
' - Memory-efficient streaming for large documents
$vbLabelText   $csharpLabel

这些优化体现了 IronOCR 的生产就绪设计。 当不需要特殊字符时，仅 BlackListCharacters 配置就可将速度提高 20-30%。 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 的多线程支持可同时处理多个文档，与单线程 Tesseract 相比，在现代多核系统上的吞吐量提高了 4-8 倍。

Tesseract 和 IronOCR 的 API 设计有何不同？

.NET中的谷歌魔方 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：

  • 互操作封装：通常过时、文档不全，而且容易出现内存泄漏
  • 命令行执行：难以部署、被安全策略阻止、错误处理能力差

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;

// Initialize the OCR engine with full IntelliSense support
var ocr = new IronTesseract();

// Process an image with automatic format detection
// Handles JPEG, PNG, TIFF, PDF, and more
var result = ocr.Read("img.png");

// Extract text with confidence metrics
string extractedText = result.Text;
Console.WriteLine(extractedText);

// Rich API provides detailed results:
// - result.Confidence: Overall accuracy percentage
// - result.Pages: Page-by-page breakdown
// - result.Paragraphs: Document structure
// - result.Words: Individual word details
// - result.Barcodes: Detected barcode values
using IronOcr;

// Initialize the OCR engine with full IntelliSense support
var ocr = new IronTesseract();

// Process an image with automatic format detection
// Handles JPEG, PNG, TIFF, PDF, and more
var result = ocr.Read("img.png");

// Extract text with confidence metrics
string extractedText = result.Text;
Console.WriteLine(extractedText);

// Rich API provides detailed results:
// - result.Confidence: Overall accuracy percentage
// - result.Pages: Page-by-page breakdown
// - result.Paragraphs: Document structure
// - result.Words: Individual word details
// - result.Barcodes: Detected barcode values
Imports IronOcr

' Initialize the OCR engine with full IntelliSense support
Private ocr = New IronTesseract()

' Process an image with automatic format detection
' Handles JPEG, PNG, TIFF, PDF, and more
Private result = ocr.Read("img.png")

' Extract text with confidence metrics
Private extractedText As String = result.Text
Console.WriteLine(extractedText)

' Rich API provides detailed results:
' - result.Confidence: Overall accuracy percentage
' - result.Pages: Page-by-page breakdown
' - result.Paragraphs: Document structure
' - result.Words: Individual word details
' - result.Barcodes: Detected barcode values
$vbLabelText   $csharpLabel

这种简化的应用程序接口消除了传统 Tesseract 集成的复杂性。 每种方法都包含全面的 XML 文档，方便您直接在集成开发环境中探索功能。广泛的 API 文档为每个功能提供了详细的示例。

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？

谷歌 Tesseract + Interop for .NET.

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 及以上版本
  • .NET Core 2.0+（所有版本）
  • .NET 5、6、7、8、9 和 10
  • .NET Standard 2.0+
  • 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。 部署指南涵盖特定场景，包括容器化、无服务器功能和高可用性配置。

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 typefaces
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 typefaces
Imports 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
$vbLabelText   $csharpLabel

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.)
$vbLabelText   $csharpLabel

语言包系统支持超过 127 种语言，每种语言都针对特定脚本和编写系统进行了优化。 通过 NuGet 安装可确保版本兼容性，并简化不同环境下的部署。

除了基本 OCR 之外，IronOCR 还提供哪些其他功能？

IronOCR 的企业级功能远远超出了基本的文本提取：

OcrResult 类提供了对已识别内容的细粒度访问，可实现复杂的后处理和验证工作流。

您应该为 C# 开发选择哪种 OCR 解决方案？

适用于 C# OCR 的 Google Tesseract.

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。

适用于 .NET Framework & Core 的 IronOCR Tesseract OCR 库。

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# 项目中开始使用专业 OCR？

开始在您的 Visual Studio 项目中实施高精度 OCR：

Install-Package IronOcr

或者直接下载 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 - 立即开始免费试用，加入 10,000 多家公司的行列，在他们的文档处理工作流程中实现 99.8% 以上的准确率。

Logos of major companies including NASA, LEGO, and 3M that trust Iron Software products for their OCR needs Iron Software OCR 技术在关键任务文档处理方面深受全球财富 500 强企业和政府组织的信赖

有关与其他 OCR 服务的详细比较，请浏览我们的分析：AWS Textract vs Google Vision OCR - 企业功能比较。

常见问题解答

我如何在 C# 应用程序中实现 Tesseract OCR？

要在 C# 应用程序中实现 Tesseract OCR，您可以使用 IronOCR 的 IronTesseract 类。通过命令 Install-Package IronOcr 通过 NuGet 安装，然后添加命名空间 using IronOcr;。使用 var ocr = new IronTesseract(); 实例化 OCR 引擎，并使用 var result = ocr.Read("image.png"); 从图像中提取文本。

使用 IronOCR 比传统 Tesseract 有哪些好处？

IronOCR 比传统 Tesseract 提供了多项好处，包括简化了无本地依赖的部署、自动图像预处理以提高准确性以及托管的 .NET 集成。它提供 PDF 和多语言支持等功能，并可通过 NuGet 轻松安装，从而避免了原生 Tesseract 所需的复杂 C++ 互操作。

如何提高我的 C# 项目的 OCR 准确性？

要提高 C# 项目的 OCR 准确性，使用 IronOCR 的自动图像增强功能。使用 input.DeNoise() 和 input.Deskew() 等方法来预处理图像，减少噪声并校正倾斜。此外，选择正确的语言设置，并通过 OcrResult.Confidence 使用置信度指标进行准确性验证。

我可以在 C# 中对 PDF 文档执行 OCR 吗？

是的，借助 IronOCR 的 OcrInput 类，您可以对 PDF 文档执行 OCR。使用 input.LoadPdf("file.pdf", "password") 加载 PDF 并使用 var result = ocr.Read(input); 处理它。这允许在您的 C# 应用程序中直接提取文本和创建可搜索的 PDF。

我如何在单个 OCR 文档中处理多种语言？

IronOCR 允许在单个文档中处理多种语言。使用 ocr.Language = OcrLanguage.English; 设置主要语言，并使用 ocr.AddSecondaryLanguage(OcrLanguage.Spanish); 添加次要语言。这种灵活性对包含混合语言或技术术语的文档非常有益。

哪些平台支持 IronOCR？

IronOCR 支持范围广泛的平台，包括 .NET Framework 4.6.2+，.NET Core 2.0+，.NET 5-10 和 .NET Standard 2.0+。它可在 Windows、macOS 和 Linux 上运行，也可以在 Docker 容器、Azure Functions、AWS Lambda 和 Xamarin 移动应用上运行，提供跨不同环境的一致性能。

我如何优化 C# 中 OCR 处理的性能？

要优化 C# 中的 OCR 处理性能，请利用 IronOCR 的功能，例如禁用不必要的条形码扫描 ocr.Configuration.ReadBarCodes = false;，以及选择更快的语言模型，如 ocr.Language = OcrLanguage.EnglishFast;。此外，利用多线程功能可以更快地进行批量处理。

IronOCR 支持哪些图像格式？

IronOCR 支持各种图像格式，包括 PDF、TIFF、JPEG 和 PNG。使用 OcrInput 类通过 input.LoadImage("photo.jpg") 或 input.LoadPdf("file.pdf") 等方法加载图像。这种广泛的兼容性允许轻松集成不同的图像来源和格式。

Jacob Mellor，Team Iron 的首席技术官
Jacob Mellor
  立即与工程团队聊天
首席技术官

Jacob Mellor 是 Iron Software 的首席技术官，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，他就塑造了公司的产品架构，并与首席执行官 Cameron Rimington 一起将其转变成一家公司，拥有50多人，服务于 NASA、特斯拉和全球政府机构。

Jacob 拥有曼彻斯特大学 (1998-2001) 的一级荣誉土木工程学士学位。1999 年在伦敦创办了自己的第一家软件公司，并于 2005 年创建了他的第一个 .NET 组件后，他专注于解决微软生态系统中的复杂问题。

他的旗舰 IronPDF 和 Iron Suite .NET 库在全球已获得超过 3000 万次的 NuGet 安装，其基础代码继续为全球使用的开发者工具提供支持。拥有 25 年商业经验和 41 年编程经验的 Jacob 仍专注于推动企业级 C#、Java 和 Python PDF 技术的创新，同时指导下一代技术领导者。

审核者
Jeff Fritz
Jeffrey T. Fritz
首席项目经理 - .NET 社区团队
Jeff 也是 .NET 和 Visual Studio 团队的首席项目经理。他是 .NET Conf 虚拟会议系列的执行制片人，并主持“Fritz and Friends”直播节目，每周两次与观众一起谈论技术并编写代码。Jeff 撰写研讨会、演示文稿并计划包括 Microsoft Build、Microsoft Ignite、.NET Conf 和 Microsoft MVP 峰会在内的最大型微软开发者活动的内容。
准备开始了吗？
Nuget 下载 5,167,857 | Version: 2025.11 刚刚发布