Tabel til tekst
Hvordan man ekstraherer tabeldata fra billeder med Aspose.OCR

Hvordan man ekstraherer tabeldata fra billeder med Aspose.OCR

Med Aspose.OCR Table to Text for .NET kan du automatisere udvinding af strukturerede tabeldata fra billeder – sparer tid, reducerer fejl, og muliggør sømløs integration med databaser, Excel eller rapporteringsværktøjer.

Det virkelige problem

Virksomheder modtager ofte tabeller i fakturaer, rapporter eller formularer som billeder eller scanninger. Manuelt genindtastning af disse data i spreadsheets eller analytiske platforme er ineffektiv og fejlfrit, især for store volumer eller komplekse tabel.

Oversigt over løsning

Aspose.OCR Table to Text for .NET automatiserer tabellen genkendelse og dataudvinding fra billeder, nøjagtigt identificere cellestruktur og indhold. Dette giver dig mulighed for at omdanne scannede eller fotograferede tabeller til strukturerede, søgbare og redigerbare formater med minimal kode.

Forudsætninger

Før du begynder, skal du:

  • Visual Studio 2019 eller senere
  • .NET 6.0 eller nyere (eller .Net Framework 4.6.2+)
  • Aspose.OCR til .NET fra NuGet
  • Grundlæggende C# viden
PM> Install-Package Aspose.OCR

Step-by-Step gennemførelse

Trin 1: Installation og konfiguration af Aspose.OCR

Tilføj Aspose.OCR-pakken og inkluderer de nødvendige navneområder:

using Aspose.OCR;

Trin 2: Forbered billedindtægterne

Tilføj en eller flere tabellbilleder til indtægten. for batchekstraktion, brug flere filer.

OcrInput input = new OcrInput(InputType.SingleImage);
input.Add("table1.png");
input.Add("table2.jpg");

Trin 3: Konfigurer tabellidentifikationsindstillinger

Det giver mulighed for borddetektionsmodus for at sikre, at strukturen er præcist genkendt.

RecognitionSettings settings = new RecognitionSettings();
settings.DetectAreasMode = DetectAreasMode.TABLE;
settings.Language = Language.English; // Adjust if table contains non-English text

Trin 4: Gennemfør tabellidentifikationsprocessen

Identificer tabeller med de konfigurerede indstillinger:

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

Trin 5: Eksport og brug af tabeldata

Du kan eksportere til tekst, Excel, JSON eller andre formater.

foreach (RecognitionResult result in results)
{
    Console.WriteLine(result.RecognitionText); // Raw table as text
    result.Save("table.csv", SaveFormat.Csv); // Save as CSV
    result.Save("table.xlsx", SaveFormat.Xlsx); // Save as Excel
}

Trin 6: Tilføj fejlbehandling

Tilføj undtagelsesbehandling til at opbygge robuste løsninger.

try
{
    AsposeOcr ocr = new AsposeOcr();
    List<RecognitionResult> results = ocr.Recognize(input, settings);
    // further processing...
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

Trin 7: Optimering af komplekse tabeller

  • Brug højopløsningsskanning/billeder til nøjagtig strukturdetektion
  • Test med forskellige bord layouter (blandede celler, multi-line header, grænser)
  • Tune anerkendelsesindstillinger som nødvendigt
// Example: Add all images from a folder
foreach (string file in Directory.GetFiles("./tables", "*.png"))
{
    input.Add(file);
}

Trin 8: Fuldt arbejde eksempler 

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("table1.png");
            input.Add("table2.jpg");

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

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

            foreach (RecognitionResult result in results)
            {
                Console.WriteLine(result.RecognitionText);
                result.Save("table.csv", SaveFormat.Csv);
                result.Save("table.xlsx", SaveFormat.Xlsx);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Brug af tilfælde og applikationer

Finansielle rapporter og fakturaer

Udveksle transaktionstabler fra billeder til Excel eller databasesystemer automatisk.

Forskning og analyse

Digitalisere tabeller fra scannede publikationer eller undersøgelsesformularer til dataanalyse.

Automatisk data migration

Migrere arvede dokumenter eller scannede papiroptegnelser til moderne strukturerede formater.

Fælles udfordringer og løsninger

Udfordring 1: Blurry eller komplekse bordbilleder

Løsning: Brug klarere billeder eller eksperimenter med forarbejdning for at forbedre struktureregning.

Udfordring 2: Ikke-standard bordsætninger

Løsning: Test og justering af indstillinger for komplekse layouter eller grænsefrie tabeller.

Udfordring 3: Big Batches eller Mixed Image Types

Løsning: Brug batchbehandling og katalogskanning til at automatisere udvinding fra mange filer.

Performance overvejelser

  • Brug godt lysede, høje billeder
  • Batch for effektivitet
  • OCR-objekter efter brug

Bedste praksis

  • Altid validerer de eksporterede tabeldata før videre behandling
  • Forhåndsbehandling af billeder til optimal strukturdetektion
  • Sikker og backup originale scanninger/billeder
  • Brug det rigtige eksportformat til dit arbejdsproces (CSV, XLSX, JSON)

Avancerede scenarier

Scenario 1: Mixed-Language Table Extraction 

settings.Language = Language.Chinese;

Scenario 2: Kombinering af tabel og tekstekstraktion 

settings.DetectAreasMode = DetectAreasMode.COMBINE;

Konklusion

Aspose.OCR Table to Text for .NET omdanner billedtabler til strukturerede, redigerbare data – ingen manuel indtastning kræves.

For flere eksempler og tekniske detaljer, besøg Aspose.OCR til .NET API Reference .

 Dansk