Hvordan Batch Process Multilingual OCR med Aspose.OCR

Digitalisering av globale arkiver, forretningsdokumenter eller undersøkelsesskjemaer betyr ofte å jobbe med flere språk. Manuell utvinning er langsom og ikke skalerbar. Aspose.OCR for .NET lar deg automatisere utvekslingen av tekst på forskjellige språk fra store volum av bilder eller PDF-er med bare noen få linjer av kode.

Real-verdens problem

Internasjonale selskaper, biblioteker og data-tjenester arbeider ofte med blandede språkdokumenter. Manuell sortering og språkspesifikk ekstraksjon er slitsomt og feilaktig - spesielt når man skaler opp til tusenvis av dokumente.

Oversikt over løsning

Aspose.OCR for .NET støtter mer enn 30 språk. Du kan konfigurere gjenkjenningsinnstillinger per fil eller pakke, deretter automatisere ekstraksjon og eksport til ditt foretrukne format for sømløs integrasjon i virksomhet eller forskning arbeidsflyter.

Prerequisites

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

PM> Install-Package Aspose.OCR

Step-by-step implementering

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}");
        }
    }
}

Bruker tilfeller og applikasjoner

Globalt arkiv digitalisering

Automatisk ekstraksjon av tekst fra flerspråklige arkiver, aviser eller bedriftsregistreringer.

Internasjonal forretningsautomasjon

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

Flerspråklig overholdelse og søk

Gjør fulltekst søk og overholdelse sjekker gjennom dokumenter på mange språk.

Vanlige utfordringer og løsninger

Utfordring 1: Mixed-language dokumenter

Løsning: Gjør deteksjon og behandling per side, eller bruk AUTO språkmodus hvis tilgjengelig.

Utfordring 2: Variering av bildekvalitet

Løsning: Standardisere skanning, og kjøre forhåndsbehandling for å normalisere bildekvalitet.

Utfordring 3: Performance Bottlenecks

Løsning: Prosess i parallell hvor det er mulig, og optimalisere ressursbruk.

Performance vurderinger

• Organisere batchjobber etter språk for ressurseffektivitet
• Monitorer minne/CPU med parallelle jobber
• Validerer utgangspunktet på hver batch

Beste praksis

• Hold språkmapper organiserte for enkel problemløsning
• Validerer et prøvepakke for hvert språk
• Oppdater Aspose.OCR for de nyeste språkutviklingene
• Sikre både input og output data

Avanserte scenarier

Scenario 1: Eksport multilingue resultater til JSON

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

Scenario 2: Detekterer språket automatisk (hvis det støttes)

settings.Language = Language.Auto;

Conclusion

Aspose.OCR for .NET lar deg automatisere tekstutvinning fra mangfoldige, flerspråklige bildesamlinger – fremskynde global digitalisering og gjøre arkivene dine søkbare, oppdagelige og klare for integrering av arbeidsflyten.

For en fullstendig liste over støttet språk og avanserte tips, besøk Aspose.OCR for .NET API Referanse .