Scanarea textului
Cum să digitizați cărțile și documentele cu mai multe coloane cu Aspose.OCR

Cum să digitizați cărțile și documentele cu mai multe coloane cu Aspose.OCR

Scanarea sau fotografierea cărților și revistelor duce adesea la imagini complexe, cu mai multe coloane – provocând OCR standard. Aspose.OCR pentru .NET oferă setări avansate pentru a extrage în mod fiabil text structurat, comandat cu coloană, ideal pentru biblioteci, cercetare și publicare.

Problema lumii reale

Cărți, ziare și reviste sunt adesea stocate ca imagini scanate cu coloane, note și ilustrații. extracția textului ușor de citit, structurat manual este lentă, lipsită de erori și costisitoare pentru biblioteci sau arhive.

Soluție de ansamblu

Aspose.OCR pentru .NET gestionează layouturi multi coloane și complexe, păstrează ordinea de citire și vă permite să automatizați digitalizarea în masă a cărților și revistelor, să economisiți timp și să îmbunătățiți precizia datelor pentru cercetători și editori.

Prevederile

Asigurați-vă că aveți:

  • Visual Studio 2019 sau mai târziu
  • .NET 6.0 sau mai târziu (sau .Net Framework 4.6.2+)
  • Aspose.OCR pentru .NET de la NuGet
  • Abilități de bază C#
PM> Install-Package Aspose.OCR

Implementarea pas cu pas

Pasul 1: Instalați și configurați Aspose.OCR 

using Aspose.OCR;

Pasul 2: Scrieți sau fotografiați paginile cărții/magazinelor

Adăugați toate imaginile de pagină scanate la intrarea dvs. pentru recunoașterea batch-ului.

OcrInput input = new OcrInput(InputType.SingleImage);
input.Add("book_page1.png");
input.Add("book_page2.jpg");

Pasul 3: Configurați setările de recunoaștere multi coloane 

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;
settings.DetectAreasMode = DetectAreasMode.DOCUMENT; // Use DOCUMENT or AUTO for multi-column layouts

Pasul 4: Extrageți text în ordine structurată 

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

Pasul 5: Exportați sau salvați textul digitalizat 

foreach (RecognitionResult result in results)
{
    result.Save("book_page.txt", SaveFormat.Text); // Save as text
    result.Save("book_page.docx", SaveFormat.Docx); // Save as Word doc
}

Pasul 6: Adăugați gestionarea erorilor și verificările de calitate 

try
{
    // OCR and export code
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

Pasul 7: Optimizarea pentru cărți bule sau rare

  • Batch prelucrează toate paginile cărții în dosare
  • Utilizați scanuri cu rezistență ridicată pentru cărți rare sau vechi
  • Validați o pagină de eșantion înainte de a rula întreaga colecție
foreach (string file in Directory.GetFiles("./books", "*.jpg"))
{
    input.Add(file);
}

Pasul 8: Exemplu complet 

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("book_page1.png");
            input.Add("book_page2.jpg");

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

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

            foreach (RecognitionResult result in results)
            {
                result.Save("book_page.txt", SaveFormat.Text);
                result.Save("book_page.docx", SaveFormat.Docx);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Folosește cazuri și aplicații

Bibliotecile și umanitățile digitale

Permite împrumut digital, căutare și analiză a cărților rare și a ziarelor istorice.

Publicații academice și de cercetare

Digitați cu ușurință jurnalele, procesele de conferințe sau cărțile text pentru acces electronic.

Layouturi multilingve și complexe

Extrageți conținutul din jurnalele cu coloane de limbă străină, pagini sau note.

Provocări și soluții comune

Provocare 1: Fără coloane sau ilustrații

Soluție: Utilizați scanuri de înaltă calitate și testați modurile DOCUMENT/AUTO pentru cea mai bună comandă de citire.

Challenge 2: Calitatea OCR pentru cărțile vechi sau deteriorate

Soluție: Îmbunătățește scanările și validă rezultatele înainte de prelucrare în masă.

Sfârșitul 3: Digitalizarea masivă

Soluție: Automatizați fluxurile de lucru și utilizați gestionarea erorilor pentru operațiuni la scară largă.

Considerații de performanță

  • Utilizați scanuri de sursă bune, mai ales pentru cărți rare sau fragile
  • Procesul de batch pentru scară
  • Stocarea rezultatelor digitalizate în formate flexibile (text, Word, PDF)

Cele mai bune practici

  • Validați rezultatul față de paginile originale pentru precizie
  • Organizați paginile de cărți prin volum și capitol pentru recuperare ușoară
  • Asigurați-vă atât scanările, cât și textul digitalizat
  • Actualizarea motorului OCR pentru cele mai recente îmbunătățiri

Scenarii avansate

Scenariul 1: Digitalizarea revistei multilingve 

settings.Language = Language.German;

Scenariul 2: Exportul în PDF pentru cititorii cărților electronice 

foreach (RecognitionResult result in results)
{
    result.Save("book_page.pdf", SaveFormat.Pdf);
}

concluziile

Aspose.OCR pentru .NET este cel mai rapid mod de a aduce cărți și publicații complexe în epoca digitală, gata pentru căutare, analiză și partajare.

Vezi exemple suplimentare și sfaturi de integrare la Aspose.OCR pentru .NET API Referință .

 Română