Hvordan man kombinerer Multilingual OCR-processer med Aspose.OCR

Digitalisering af globale arkiver, forretningsdokumenter eller undersøgelsesformularer betyder ofte at arbejde med flere sprog. Manual ekstraktion er langsom og ikke skalerbar. Aspose.OCR for .NET giver dig mulighed for at automatisere ekstraktionen af tekst på forskellige sprog fra store volumer af billeder eller PDF’er med kun få linjer af kode.

Det virkelige problem

Internationale virksomheder, biblioteker og datatjenester håndterer ofte blandede sprogdokumenter. Manuel sortering og sprogspecifik ekstraktion er kedelige og fejlfarlige - især når man skalerer op til tusindvis af dokumenter .

Oversigt over løsning

Aspose.OCR for .NET understøtter mere end 30 sprog. Du kan konfigurere genkendelsesindstillinger pr. fil eller pakke, og derefter automatisere udvinding og eksport til dit foretrukne format for sømløs integration i forretnings- eller forskningsarbejde.

Forudsætninger

• Visual Studio 2019 eller senere
• .NET 6.0 eller nyere (eller .Net Framework 4.6.2+)
• Aspose.OCR til .NET fra NuGet
• Grundlæggende C# programmeringserfaring

PM> Install-Package Aspose.OCR

Step-by-Step gennemførelse

using Aspose.OCR;

// Example folders: ./input/en, ./input/fr, ./input/zh

Dictionary<string, Language> langFolders = new Dictionary<string, Language>
{
    { "en", Language.English },
    { "fr", Language.French },
    { "zh", Language.ChineseSimplified }
};

foreach (var pair in langFolders)
{
    string folder = "./input/" + pair.Key;
    RecognitionSettings settings = new RecognitionSettings();
    settings.Language = pair.Value;

    OcrInput input = new OcrInput(InputType.SingleImage);
    foreach (string file in Directory.GetFiles(folder, "*.png"))
    {
        input.Add(file);
    }

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

    foreach (RecognitionResult result in results)
    {
        string output = Path.Combine("./output/", pair.Key + "_" + Path.GetFileNameWithoutExtension(result.FileName) + ".txt");
        result.Save(output, SaveFormat.Text);
    }
}

try
{
    // batch processing code
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

// Example: Parallel batch processing
Parallel.ForEach(langFolders, pair =>
{
    // per-language processing logic
});

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

class Program
{
    static void Main(string[] args)
    {
        try
        {
            Dictionary<string, Language> langFolders = new Dictionary<string, Language>
            {
                { "en", Language.English },
                { "fr", Language.French },
                { "zh", Language.ChineseSimplified }
            };

            foreach (var pair in langFolders)
            {
                string folder = "./input/" + pair.Key;
                RecognitionSettings settings = new RecognitionSettings();
                settings.Language = pair.Value;

                OcrInput input = new OcrInput(InputType.SingleImage);
                foreach (string file in Directory.GetFiles(folder, "*.png"))
                {
                    input.Add(file);
                }

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

                foreach (RecognitionResult result in results)
                {
                    string output = Path.Combine("./output/", pair.Key + "_" + Path.GetFileNameWithoutExtension(result.FileName) + ".txt");
                    result.Save(output, SaveFormat.Text);
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Brug af tilfælde og applikationer

Digitalisering af arkiver

Automatisk udvinding af tekst fra flersprogede arkiver, aviser eller virksomhedsregistreringer.

Internationale forretningsautomatisering

Feed OCR-resultater fra blandede sprogkontrakter, fakturaer eller HR-dokumenter til din globale ERP eller arbejdsproces.

Flersprogede overensstemmelse og søgning

Tilladelse til fuldt tekst søgning og overensstemmelseskontrol gennem dokumenter på mange sprog.

Fælles udfordringer og løsninger

Udfordring 1: Blandede sprogdokumenter

Løsning: Run detection and processing per page, eller brug AUTO-sprogmodus, hvis det er tilgængeligt.

Udfordring 2: Varieret billedkvalitet

Løsning: Standardisere scanningen og køre forarbejdningen for at normalisere billedkvaliteten.

Udfordring 3: Performance Bottlenecks

Løsning: Processer parallelt, hvor det er muligt, og optimerer brugen af ressourcer.

Performance overvejelser

• At organisere pakkearbejde pr. sprog for ressourceeffektivitet
• Overvågning af hukommelse/CPU med parallelle jobs
• Validering af udkast på hver batch

Bedste praksis

• Hold sprogmapperne organiseret for let problemløsning
• Validerer et prøvepakke for hvert sprog
• Opdater Aspose.OCR for de seneste sprogforbedringer
• Sikre både input- og outputdata

Avancerede scenarier

Scenario 1: Eksport af flersprogede resultater til JSON

foreach (RecognitionResult result in results)
{
    result.Save(output.Replace(".txt", ".json"), SaveFormat.Json);
}

Scenario 2: Detekterer sprog automatisk (hvis det støttes)

settings.Language = Language.Auto;

Konklusion

Aspose.OCR for .NET giver dig mulighed for at automatisere tekstudvinding fra forskellige, flersprogede billedsamlinger – fremskynde global digitalisering og gøre dine arkiver søgbare, opdagelige og klar til integration af arbejdsprocessen.

For en fuld liste over understøttede sprog og avancerede tips, besøg Aspose.OCR til .NET API Reference .