Tabell til tekst
Hvordan ta ut tabelldata fra bilder med Aspose.OCR

Hvordan ta ut tabelldata fra bilder med Aspose.OCR

Ved hjelp av Aspose.OCR Table to Text for .NET kan du automatisere ekstraksjonen av strukturerte tabelldata fra bilder – sparer tid, reduserer feil, og muliggjør sømløs integrasjon med databaser, Excel eller rapporteringsverktøy.

Real-verdens problem

Bedrifter mottar ofte tabeller i fakturaer, rapporter eller skjemaer som bilder eller skanninger. Manuelt gjeninnføring av disse dataene i spreadsheets eller analytiske plattformer er ineffektiv og feilfri, spesielt for store volum eller komplekse tabell.

Oversikt over løsning

Aspose.OCR Table to Text for .NET automatiserer tabell gjenkjenning og datautvinning fra bilder, nøyaktig identifiserer cellestruktur og innhold. Dette lar deg konvertere skannede eller fotograferte tabeller til strukturerte, søkbare og redigerbare formater med minimal kode.

Prerequisites

Før du begynner, trenger du:

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

Step-by-step implementering

Steg 1: Installere og konfigurere Aspose.OCR

Legg til Aspose.OCR-pakken og inkludere de nødvendige navnene:

using Aspose.OCR;

Steg 2: Forbereder tabellbildeinnføringer

Legg til en eller flere tabellbilder til innlegget ditt. For batch ekstraksjon, bruk flere filer.

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

Trinn 3: Konfigurere tabell gjenkjenning innstillinger

Gjør deteksjonsmodus mulig for å sikre at strukturen er nøyaktig gjenkjent.

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

Steg 4: Utfør tabell gjenkjenning prosessen

Oppdag tabeller med de konfigurerte innstillingene:

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

Steg 5: Eksport og bruk av tabelldata

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
}

Steg 6: Legg til feil håndtering

Legg til unntakshåndtering for å bygge robuste løsninger.

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

Steg 7: Optimalisere for komplekse tabeller

  • Bruk skann/bilder med høy oppløsning for nøyaktig strukturdeteksjon
  • Test med ulike tabell layouter (blandte celler, multi-line header, grenser)
  • Tune gjenkjenningsinnstillinger som nødvendig
// Example: Add all images from a folder
foreach (string file in Directory.GetFiles("./tables", "*.png"))
{
    input.Add(file);
}

Steg 8: Komplett arbeidsmønster 

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}");
        }
    }
}

Bruker tilfeller og applikasjoner

Finansielle rapporter og fakturaer

Utveksle transaksjonstabeller fra bilder til Excel eller databasesystemer automatisk.

Forskning og Analytics

Digitalisere tabeller fra skannede publikasjoner eller undersøkelsesskjemaer for dataanalyse.

Automatisk datamigrasjon

Migrere arvdokumenter eller skannede papiropptak til moderne strukturerte formater.

Vanlige utfordringer og løsninger

Utfordring 1: Blurry eller komplekse bordbilder

Løsning: Bruk klarere bilder eller eksperimenter med forhåndsbehandling for å forbedre struktur gjenkjenning.

Utfordring 2: Ikke-standard bord layout

Løsning: Test og justere innstillinger for komplekse layouter eller grenseløse tabeller.

Utfordring 3: Store batcher eller blandede bilder

Løsning: Bruk batchbehandling og katalogskanning for å automatisere ekstraksjon fra mange filer.

Performance vurderinger

  • Bruk godt opplyste, høye bilder
  • Batch for effektivitet
  • Oppsett OCR-objekter etter bruk

Beste praksis

  • Altid validerer eksporterte tabelldata før videre behandling
  • Forhåndsbehandling av bilder for optimal strukturdeteksjon
  • Sikker og sikkerhetskopiering av originale skanninger/bilder
  • Bruk riktig eksportformat for arbeidsflyten (CSV, XLSX, JSON)

Avanserte scenarier

Scenario 1: Mixed-Language Table Extraction 

settings.Language = Language.Chinese;

Scenario 2: Kombinerer tabell og tekstekstraksjon 

settings.DetectAreasMode = DetectAreasMode.COMBINE;

Conclusion

Aspose.OCR Table to Text for .NET forvandler bildetabeller til strukturerte, redigerbare data – ingen manuell inngang kreves.

For flere eksempler og tekniske detaljer, besøk Aspose.OCR for .NET API Referanse .

 Norsk