IRONSOFTWAREHOME
IRONSUITE所有10的价格为2
联系销售
按公司
加入我们的专家网络
USING IRONOCR

.NET OCR SDK：一个用于 C# 的文本识别库

Kannaopat Udonpant
Kannapat Udonpant
Updated: 2026年4月21日

.NET OCR SDK是一个软件开发工具包，它允许 C# 和.NET应用程序以编程方式从图像、扫描的 PDF 和其他文档格式中提取文本。 IronOCR是一款可用于生产的.NET OCR SDK，它封装了一个经过优化的 Tesseract 5 引擎，具有预处理过滤器、条形码读取、可搜索的 PDF 输出以及对 125 多种语言的支持——所有这些都可以通过简洁的 C# API 访问，该 API 可在 Windows、Linux、macOS 和云平台上运行。

为什么IronOCR是您项目的理想.NET OCR SDK？

从零开始构建文本识别意味着管理图像预处理流程、语言数据文件、线程模型和输出解析——在提取第一个单词之前，需要数月的工作。 IronOCR通过提供经过实战检验的引擎来消除这种额外开销，您的团队可以在几分钟内将其添加到项目中。

它与原始 Tesseract 绑定之间的主要区别在于以下几个方面：

  • 可识别125 种以上语言和文字，包括手写文本
  • 内置滤镜：降噪、去斜、二值化、分辨率增强和对比度校正
  • 在同一次读取过程中检测条形码和二维码
  • 生成带有不可见文本层的可搜索 PDF，适用于归档工作流程
  • 用于高通量流水线的异步和并行批处理
  • 采用区域OCR技术，针对特定页面区域进行识别，以缩短处理时间
  • 支持Windows、Linux、macOS、Docker 和 Azure 等跨平台系统

根据Tesseract OCR 项目文档，原始 Tesseract 需要手动配置语言包、DPI 设置和输出模式。 IronOCR会自动处理所有这些操作，让您可以专注于提取的文本的含义，而不是如何提取它。

IronOCR与 Raw Tesseract 相比如何？

通过 P/Invoke 包装器或 Tesseract NuGet 包的原始 Tesseract，您需要负责：下载和放置 tessdata 语言文件、选择正确的页面分割模式、自己处理多页 TIFF 和 PDF 拆分，以及如果您想进行并行处理，需要设置线程。 这些细节并非贵公司独有的问题。

IronOCR包裹了所有这些管道。 您将获得类型化的 API 接口、自动 tessdata 管理、内置 PDF 分割和重组功能，以及可在多个请求中重用的线程安全引擎。 权衡之下，生产用途需要付费许可——许可页面显示了当前的定价层级，其中包括免费的开发许可。

对于只需要开源依赖项的团队来说，原始的 TesseractPlus自定义预处理是一种可行的方法。 对于需要快速交付可靠 OCR 的团队来说， IronOCR将集成界面简化为几行 C# 代码。

如何安装IronOCR .NET SDK？

安装通过NuGet进行，NuGet 是标准的.NET包管理器。 在您的项目目录中运行以下命令：

PM > Install-Package IronOcr

对于 Visual Studio 用户，可以在 NuGet 包管理器 GUI 中搜索 IronOcr 并从那里安装。 有关包括手动 DLL 引用在内的完整安装选项，请参阅IronOCR安装文档。

安装后，将许可证密钥添加到您的应用程序启动或 appsettings.json。 您可以开始免费试用，获取试用密钥，在评估期间解锁所有功能。

验证安装

安装完成后快速检查一下，确认所有线路连接正确。 创建一个面向.NET 10 的控制台应用程序：

using IronOcr;

// Minimal smoke test -- reads a single image and prints extracted text
var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadImage("sample.png");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

如果控制台中出现文本，则表示 SDK 已安装且许可证密钥有效。 您已准备好构建生产工作流程。

您如何在C#中从图像和PDF中提取文本？

核心提取模式在所有输入类型中是一致的。您创建一个 IronTesseract 实例，将内容加载到一个 OcrInput 对象中，然后调用 Read()。 IronOCR可以根据文件扩展名自动检测文件格式，因此相同的代码路径可以处理 JPEG、PNG、TIFF、BMP 和多页 PDF 文件。

using IronOcr;

// Reusable OCR service encapsulating the IronTesseract engine
public class OcrService
{
    private readonly IronTesseract _ocr = new IronTesseract();

    public string ExtractText(string filePath)
    {
        using var input = new OcrInput();

        // LoadPdf for PDF files; LoadImage for raster formats
        if (filePath.EndsWith(".pdf", StringComparison.OrdinalIgnoreCase))
            input.LoadPdf(filePath);
        else
            input.LoadImage(filePath);

        return _ocr.Read(input).Text;
    }

    public async Task<string> ExtractTextAsync(string filePath)
    {
        using var input = new OcrInput();

        if (filePath.EndsWith(".pdf", StringComparison.OrdinalIgnoreCase))
            input.LoadPdf(filePath);
        else
            input.LoadImage(filePath);

        var result = await _ocr.ReadAsync(input);
        return result.Text;
    }
}

使用该服务的最高入口点：

using IronOcr;

var service = new OcrService();
string text = await service.ExtractTextAsync("invoice.pdf");
Console.WriteLine(text);

IronTesseract 实例是线程安全的，并且设计用于重用。 在应用程序启动时创建一次（例如，通过ASP.NET Core中的依赖注入），而不是每次请求都实例化它。

对于多页 PDF，result.Pages 为您提供逐页访问文本、置信分数和边界框。 查看多页PDF OCR指南了解逐页迭代的详细信息。

如何利用预处理滤波器提高OCR准确率？

平板扫描仪、智能手机摄像头或传真机扫描出的原始图像经常存在噪点、旋转、对比度低和分辨率不足等问题。 IronOCR 的图像质量校正流程通过在读取调用之前链接有针对性的过滤器来解决每个问题。

using IronOcr;

public class AccuracyOptimizedOcr
{
    private readonly IronTesseract _ocr = new IronTesseract();

    public string ProcessLowQualityDocument(string filePath)
    {
        using var input = new OcrInput();

        if (filePath.EndsWith(".pdf", StringComparison.OrdinalIgnoreCase))
            input.LoadPdf(filePath);
        else
            input.LoadImage(filePath);

        // Chain preprocessing filters in order of operation
        input.DeNoise();              // Remove scan artifacts and speckling
        input.Deskew();               // Correct page tilt up to 35 degrees
        input.Scale(150);             // Enlarge small text for better recognition
        input.Binarize();             // Convert to black/white for cleaner edges
        input.EnhanceResolution(300); // Sharpen blurry or low-DPI input

        var result = _ocr.Read(input);

        // Confidence below 70 often signals a preprocessing mismatch
        if (result.Confidence < 70)
            Console.WriteLine($"Warning: low confidence ({result.Confidence:F1}%)");

        return result.Text;
    }
}

筛选器选择指南：

  • DeNoise() -- 用于扫描时的斑点或压缩伪影。
  • Deskew() -- 用于文档在角度下拍摄时。 请参阅页面旋转检测以实现自动检测
  • Scale() -- 用于小字体或低于 150 DPI 的输入。 通常情况下，数值在 150-200 之间能获得最佳结果
  • Binarize() -- 用于彩色或渐变背景。 将图像转换为纯黑白图像
  • EnhanceResolution() -- 用于模糊或低对比度文本。 Tesseract 的最佳目标 DPI 为 300 DPI

《国际文档分析与识别杂志》上发表的研究一致表明，二值化和去斜是提高字符识别率的两个影响最大的预处理步骤。 将两者作为任何生产流程的基准。

IronOCR预处理滤波器及其主要应用案例
筛选问题已解决何时申请
DeNoise()扫描仪伪影、散斑噪声任何平板扫描仪或传真扫描仪
Deskew()页面倾斜和旋转拍摄或错位的文件
Scale()小字或低DPI输入分辨率低于 150 DPI
Binarize()彩色背景，渐变彩色纸张或带水印的表格
EnhanceResolution()模糊和低对比度相机拍摄并压缩成JPEG格式

如何构建生产批量处理流水线？

单个文档的提取很简单，但生产场景涉及成百上千个文件到达队列、共享文件夹或云存储中。 IronOCR 的异步 API 和线程安全引擎使其适用于并行工作负载。

using IronOcr;
using Microsoft.Extensions.Logging;

public class ProductionOcrService
{
    private readonly IronTesseract _ocr;
    private readonly ILogger<ProductionOcrService> _logger;

    public ProductionOcrService(ILogger<ProductionOcrService> logger)
    {
        _logger = logger;
        _ocr = new IronTesseract
        {
            Configuration =
            {
                RenderSearchablePdfsAndHocr = true,
                ReadBarCodes = true
            }
        };
    }

    public async Task<IReadOnlyList<string>> ProcessBatchAsync(
        IEnumerable<string> filePaths,
        int maxDegreeOfParallelism = 4)
    {
        var results = new System.Collections.Concurrent.ConcurrentBag<string>();

        var options = new ParallelOptions
        {
            MaxDegreeOfParallelism = maxDegreeOfParallelism
        };

        await Parallel.ForEachAsync(filePaths, options, async (filePath, ct) =>
        {
            try
            {
                using var input = new OcrInput();

                if (filePath.EndsWith(".pdf", StringComparison.OrdinalIgnoreCase))
                    input.LoadPdf(filePath);
                else
                    input.LoadImage(filePath);

                var result = await _ocr.ReadAsync(input);
                results.Add(result.Text);
                _logger.LogInformation("Processed {FilePath} at {Confidence:F1}% confidence",
                    filePath, result.Confidence);
            }
            catch (Exception ex)
            {
                _logger.LogError(ex, "OCR failed for {FilePath}", filePath);
                results.Add(string.Empty);
            }
        });

        return results.ToList();
    }

    public void CreateSearchablePdf(string inputPath, string outputPath)
    {
        using var input = new OcrInput();

        if (inputPath.EndsWith(".pdf", StringComparison.OrdinalIgnoreCase))
            input.LoadPdf(inputPath);
        else
            input.LoadImage(inputPath);

        _ocr.Read(input).SaveAsSearchablePdf(outputPath);
        _logger.LogInformation("Searchable PDF written to {OutputPath}", outputPath);
    }
}

MaxDegreeOfParallelism 限制防止在文件很大时内存耗尽。 在四核服务器上，数值 4 效果很好； 只有在分析内存使用情况后才能增加该值。 对于Azure Functions或AWS Lambda部署，将每个函数实例的并发量设置为1，并水平扩展。

CreateSearchablePdf 生成一个 PDF，其中原始图像作为可见层保留，识别的文本嵌入在其下方且不可见。 这使得 PDF 查看器能够进行全文搜索，搜索引擎能够对其进行索引——这是文档管理系统的常见要求。

生产环境中的置信度评分监控

每个 OcrResult 都暴露一个 Confidence 属性（0-100)，反映引擎对识别文本的确定程度。 在日志记录基础架构中跟踪此指标，可以在文档质量下降时发出预警信号——例如，如果扫描仪的校准发生漂移，或者新的文档供应商发送的 DPI 低于预期。

一个实用的阈值策略：置信度低于 80 时记录警告，低于 70 时触发预处理重试，低于 60 时标记文档以供人工审核。这种分层方法可以在质量问题导致下游系统出现隐性数据损坏之前将其捕获。

Microsoft .NET 日志文档 涵盖了上面批处理服务中用于与 ASP.NET Core 内置 DI 容器集成的 ILogger 模式。

如何从扫描文档中提取结构化数据？

文本提取是第一步。第二步是将文本解析成应用程序可以操作的类型字段。 该模式结合了 IronOCR 的读取过程与 .NET 的 Regex，以从发票、表单和报告中提取结构化数据。

using IronOcr;
using System.Text.RegularExpressions;

public record Invoice(
    string? InvoiceNumber,
    DateOnly? Date,
    decimal? TotalAmount,
    string RawText
);

public class InvoiceOcrService
{
    private readonly IronTesseract _ocr = new IronTesseract();

    public Invoice ExtractInvoiceData(string invoicePath)
    {
        using var input = new OcrInput();

        if (invoicePath.EndsWith(".pdf", StringComparison.OrdinalIgnoreCase))
            input.LoadPdf(invoicePath);
        else
            input.LoadImage(invoicePath);

        input.DeNoise();
        input.Deskew();

        var result = _ocr.Read(input);
        string text = result.Text;

        return new Invoice(
            InvoiceNumber: ExtractInvoiceNumber(text),
            Date: ExtractDate(text),
            TotalAmount: ExtractAmount(text),
            RawText: text
        );
    }

    private static string? ExtractInvoiceNumber(string text)
    {
        var match = Regex.Match(text, @"Invoice\s*#?:?\s*(\S+)", RegexOptions.IgnoreCase);
        return match.Success ? match.Groups[1].Value : null;
    }

    private static DateOnly? ExtractDate(string text)
    {
        // Numeric format: MM/DD/YYYY
        var numeric = Regex.Match(text, @"\b(\d{1,2}/\d{1,2}/\d{2,4})\b");
        if (numeric.Success && DateTime.TryParse(numeric.Groups[1].Value, out var d1))
            return DateOnly.FromDateTime(d1);

        // Written format: January 15, 2025
        var written = Regex.Match(text,
            @"\b(January|February|March|April|May|June|July|August|September|October|November|December)\s+(\d{1,2}),?\s+(\d{4})\b",
            RegexOptions.IgnoreCase);
        if (written.Success && DateTime.TryParse(written.Value, out var d2))
            return DateOnly.FromDateTime(d2);

        return null;
    }

    private static decimal? ExtractAmount(string text)
    {
        var match = Regex.Match(text, @"\$\s*(\d+(?:\.\d{2})?)");
        return match.Success && decimal.TryParse(match.Groups[1].Value, out var amt)
            ? amt
            : null;
    }
}

这种方法非常适合区域OCR，当您确切知道每个字段在表单上出现的位置时。 通过提供边界矩形，您可以跳过整页识别，仅针对包含发票号码或总额的区域，从而大大缩短固定布局文档的处理时间。

对于包括表格和结构化表单在内的更高级的提取场景，请查看产品网站上的IronOCR数据提取示例。

如何在.NET中处理多语言OCR？

许多组织处理的文件使用多种语言——进出口表格、国际合同或多语言客户提交的文件。 IronOCR通过允许您在读取调用之前配置语言包来解决这个问题。

using IronOcr;

// Configure multi-language recognition
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;  // Swap for any of 125+ supported languages

// For mixed-language documents, combine language packs
ocr.AddSecondaryLanguage(OcrLanguage.German);

using var input = new OcrInput();
input.LoadPdf("multilingual-contract.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

IronOCR语言支持页面列出了所有 125 多个可用的语言包以及下载说明。 语言包以 NuGet 包（例如，IronOcr.Languages.German）的形式发布，因此它们与您已经使用的软件包管理工作流程集成。

对于拉丁字母以外的字符集（例如阿拉伯语、中文、日语、韩语）， IronOCR提供了优化的模型，可以处理从右到左的文本方向和表意文字。有关配置详情，请参阅CJK OCR 指南。

下一步计划是什么？

现在您拥有了将生产级 OCR 添加到任何.NET 10 应用程序所需的模式：基本文本提取、困难扫描的预处理、异步批量处理、结构化数据解析和多语言支持。

接下来，您可以根据项目需求探索以下领域：

先使用免费试用许可证，在自己的文档上评估全部功能，然后再决定购买哪个级别。

NuGet使用 NuGet 安装

PM > Install-Package IronOcr

Install IronOCR by running the command above in the NuGet Package Manager Console, or search for the package in the NuGet Package Manager.
Kannaopat Udonpant
Kannapat Udonpant
软件工程师

相关文章

Key in blue circle

立即获取免费的 30 天试用版密钥。

Your trial license will be sent to your email address

无任何限制。100% 解锁。无需信用卡。

bullet_checked无需信用卡或创建账户无任何限制。100% 解锁。无需信用卡。
  • Logo Aetna
  • Logo NASA
  • Logo GE
  • Logo Porsche
  • Logo USDA
  • Logo Qatar
Join Millions of Engineers who’ve tried IronPDF
获取您的无义务咨询
填写下面的表格或通过sales@ironsoftware.com
您的资料将始终保密。
深受全球数百万工程师信赖
Iron Software 的客户徽标
立即获取您的免费30 天试用密钥。
无需信用卡或创建账户