Hoe om Multilingual OCR met Aspose.OCR te verzamelen

Digitaliseren van wereldwijde archieven, bedrijfsdocumenten of enquêteformulieren betekent vaak werken met meerdere talen. Manual extraction is langzaam en niet schaalbaar. Aspose.OCR voor .NET stelt u in staat om de extractie van tekst in verschillende talen van grote volumes afbeeldingen of PDF’s met slechts een paar lijnen code te automatiseren.

Real-wereld probleem

Internationale bedrijven, bibliotheken en gegevensdiensten werken vaak met gemengde taaldocumenten. Manual sorting en taal-specifieke extractie zijn twijfelachtig en foutenvrij - vooral wanneer ze tot duizenden documenten scaleren.

Overzicht oplossingen

Aspose.OCR voor .NET ondersteunt meer dan 30 talen.U kunt herkenningsinstellingen per bestand of verpakking configureren, vervolgens de extract en export naar uw voorkeursformaat automatiseren voor onmiddellijke integratie in bedrijfs- of onderzoekswerkstromen.

Voorwaarden

• Visual Studio 2019 of later
• .NET 6.0 of hoger (of .Net Framework 4.6.2+)
• Aspose.OCR voor .NET van NuGet
• Basic C# programmeringservaring

PM> Install-Package Aspose.OCR

Stap voor stap implementatie

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}");
        }
    }
}

Gebruik Cases en Applicaties

Digitalisatie van Global Archive

Automatische extractie van tekst uit multilingue archieven, kranten of corporate records.

Internationale bedrijfsautomatisering

Feed OCR resultaten van gemengde taal contracten, facturen of HR-documenten in uw wereldwijde ERP of werkstromen.

Meertalige naleving en zoektocht

Volledige tekstzoek en compliance-checks over documenten in vele talen mogelijk maken.

Gemeenschappelijke uitdagingen en oplossingen

Challenge 1: Mixed-Language documenten

Oplossing: Voer detectie en verwerking per pagina uit, of gebruik de AUTO-taalmodus indien beschikbaar.

Challenge 2: Variatie van beeldkwaliteit

Oplossing: Standaardiseren van het scannen en vooraf verwerken om de beeldkwaliteit te normaliseren.

Uitdaging 3: Performance Bottlenecks

Oplossing: Verwerking in parallel waar mogelijk, en het gebruik van de hulpbronnen te optimaliseren.

Performance overwegingen

• Organiseren van banen per taal voor resource efficiency
• Monitoring van geheugen/CPU met parallelle werkzaamheden
• Valideer de uitkomst op elke batch

Beste praktijken

• Houd taal mappen georganiseerd voor gemakkelijke probleemoplossing
• Valideer een proefbalk voor elke taal
• Update Aspose.OCR voor de nieuwste taalverbeteringen
• Beveilig zowel input- als outputgegevens

Geavanceerde scenario’s

Scenario 1: Exporteer meertaalresultaten naar JSON

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

Scenario 2: Automatisch taal detecteren (als ondersteund)

settings.Language = Language.Auto;

Conclusie

Aspose.OCR voor .NET stelt u in staat om tekstextractie uit diverse, meertaalige beeldverzamelingen te automatiseren – het versnellen van de wereldwijde digitalisering en het maken van uw archieven zoektochtbaar, ontdekkbaar en klaar voor werkstroomintegratie.

Voor een volledige lijst met ondersteunde talen en geavanceerde tips, bezoek de Aspose.OCR voor .NET API Referentie .