Как да цифровизирате книги и мулти-колонни документи с Aspose.OCR

Скенирането или фотографирането на книги и списания често води до сложни, мулти-колонни изображения – предизвикателство за стандартен OCR. Aspose.OCR за .NET осигурява усъвършенствани настройки за надеждно извличане на структуриран, колонизиран текст, идеален за библиотеки, изследвания и публикации.

Реални световни проблеми

Книги, вестници и списания често се съхраняват като скенирани изображения с колони, бележки и илюстрации. Извличането на честен, структуриран текст ръчно е бавно, без грешки и е скъпо за библиотеки или архиви.

Преглед на решението

Aspose.OCR за .NET работи с много колони и сложни оформления, запазва реда на четене и ви позволява да автоматизирате масовата цифровизация на книги и списания, спестяване на време и подобряване на точността на данните за изследователи и издатели.

Предупреждения

Уверете се, че имате:

• Visual Studio 2019 или по-късно
• .NET 6.0 или по-късно (или .Net Framework 4.6.2+)
• ASPOSE.OCR за .NET от NuGet
• Основни умения на C#

PM> Install-Package Aspose.OCR

Стъпка по стъпка изпълнение

using Aspose.OCR;

OcrInput input = new OcrInput(InputType.SingleImage);
input.Add("book_page1.png");
input.Add("book_page2.jpg");

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;
settings.DetectAreasMode = DetectAreasMode.DOCUMENT; // Use DOCUMENT or AUTO for multi-column layouts

AsposeOcr ocr = new AsposeOcr();
List<RecognitionResult> results = ocr.Recognize(input, settings);

foreach (RecognitionResult result in results)
{
    result.Save("book_page.txt", SaveFormat.Text); // Save as text
    result.Save("book_page.docx", SaveFormat.Docx); // Save as Word doc
}

try
{
    // OCR and export code
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

foreach (string file in Directory.GetFiles("./books", "*.jpg"))
{
    input.Add(file);
}

using Aspose.OCR;
using System;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        try
        {
            OcrInput input = new OcrInput(InputType.SingleImage);
            input.Add("book_page1.png");
            input.Add("book_page2.jpg");

            RecognitionSettings settings = new RecognitionSettings();
            settings.Language = Language.English;
            settings.DetectAreasMode = DetectAreasMode.DOCUMENT;

            AsposeOcr ocr = new AsposeOcr();
            List<RecognitionResult> results = ocr.Recognize(input, settings);

            foreach (RecognitionResult result in results)
            {
                result.Save("book_page.txt", SaveFormat.Text);
                result.Save("book_page.docx", SaveFormat.Docx);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Използване на случаи и приложения

Библиотеки и цифрови хуманисти

Възможност за цифрово заем, търсене и анализ на редки книги и исторически вестници.

Академична и изследователска публикация

Лесно цифровизирайте списания, конферентни процедури или текстови книги за електронен достъп.

Многоезични и сложни схеми

Извлечете съдържание от списания с чужди езикови колони, странични таблици или бележки.

Съвместни предизвикателства и решения

Предизвикателство 1: Избягване на колони или илюстрации

Решение: Използвайте висококачествени скани и тествайте режимите DOCUMENT/AUTO за най-добър ред за четене.

Предизвикателство 2: ОКР качество за стари или повредени книги

Решение: Подобряване на сканирането и валидиране на резултатите преди масова обработка.

Предизвикателство 3: Масивна дигитализация

Решение: Автоматизирайте работните потоци и използвайте обработката на грешки за големи операции.

Преглед на изпълнението

• Използвайте добри източници на сканиране, особено за редки или крхки книги
• Батч процес за мащаб
• Съхраняване на дигитален изход в гъвкави формати (текст, Word, PDF)

Най-добрите практики

• Валидиране на изхода срещу оригиналните страници за точност
• Организирайте страници за книги по обем и глава за лесно възстановяване
• Възстановяване както на сканиране, така и на цифровизиран текст
• Актуализиране на двигателя OCR за най-новите подобрения

Разширени сценарии

Сценарий 1: Дигитализация на многоезични списания

settings.Language = Language.German;

Сценарий 2: Износ към PDF за читатели на електронни книги

foreach (RecognitionResult result in results)
{
    result.Save("book_page.pdf", SaveFormat.Pdf);
}

заключение

Aspose.OCR за .NET е най-бързият начин да донесете книги и сложни публикации в дигиталната ера, готови за търсене, анализ и споделяне.

Вижте допълнителни примери и съвети за интеграция в Aspose.OCR за .NET API Референт .