Como combinar o processo multilingue OCR com Aspose.OCR

A digitalização de arquivos globais, documentos de negócios ou formulários de pesquisa muitas vezes significa trabalhar com várias línguas. extração manual é lenta e não escalável. Aspose.OCR para .NET permite automatizar a extracção de texto em vários idiomas de grandes volumes de imagens ou PDFs com apenas algumas linhas de código.

Problemas do mundo real

Empresas internacionais, bibliotecas e serviços de dados muitas vezes lidam com documentos de língua mista.A classificação manual e a extração específica de idiomas são tediosas e erróneas – especialmente quando escalar até milhares de documentos.

Solução Overview

Aspose.OCR para .NET suporta mais de 30 idiomas. Você pode configurar configurações de reconhecimento por arquivo ou pacote, depois automatizar a extração e exportação ao seu formato preferido para integração sem fio em fluxos de trabalho de negócios ou de pesquisa.

Pré-requisitos

• Visual Studio 2019 ou posterior
• .NET 6.0 ou posterior (ou .Net Framework 4.6.2+)
• Aspose.OCR para .NET de NuGet
• Experiência básica em programação C#

PM> Install-Package Aspose.OCR

Implementação passo a passo

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}");
        }
    }
}

Use Casos e Aplicações

Digitalização do Arquivo Global

Extracção automática de texto de arquivos multilingüe, jornais ou registos corporativos.

Automatização de Negócios Internacionais

Feed OCR resultados de contratos de língua mixta, faturas, ou documentos de RH para o seu ERP global ou fluxo de trabalho.

Conformidade Multilingüe e Pesquisa

Permite pesquisas de texto completo e verificações de conformidade em documentos em muitas línguas.

Desafios comuns e soluções

Título 1: Documentos de Língua Mista

Solução: Execute a detecção e o processamento por página, ou use o modo de idioma AUTO se disponível.

Título 2: Qualidade de imagem variada

Solução: Estandardize o scan e execute o pré-processamento para normalizar a qualidade da imagem.

Título 3: Bottlenecks de desempenho

** Solução: ** Processar em paralelo onde possível, e otimizar o uso dos recursos.

Considerações de desempenho

• Organizar empregos por língua para eficiência de recursos
• Monitor de memória/CPU com trabalhos paralelos
• Validação de resultados em cada batch

Melhores Práticas

• Mantenha as folhas de idioma organizadas para fácil resolução de problemas
• Valida um pacote de amostra para cada idioma
• Atualização Aspose.OCR para as últimas melhorias linguísticas
• Segure os dados de entrada e de saída

Os cenários avançados

Scenário 1: Exportação de resultados multilingüe para JSON

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

Scenário 2: Detecta o idioma automaticamente (se suportado)

settings.Language = Language.Auto;

Conclusão

O ASPOSE.OCR para .NET permite automatizar a extração de texto de coleções de imagens diversas e multilingües – acelerando a digitalização global e tornando seus arquivos procuráveis, descobertas e prontos para a integração do fluxo de trabalho.

Para uma lista completa de idiomas suportados e dicas avançadas, visite o Aspose.OCR para .NET API Referência .