Ako spájať viacjazyčný proces OCR s Aspose.OCR

Digitalizácia globálnych archívov, obchodných dokumentov alebo prieskumných formulárov často znamená prácu s viacerými jazykmi. Manuálna extrakcia je pomalá a nie je skalovateľná. Aspose.OCR pre .NET vám umožňuje automatizovať extrahovanie textu v rôznych jazykoch z veľkých objemov obrázkov alebo PDF s len niekoľkými riadkami kódu.

Reálny svetový problém

Medzinárodné spoločnosti, knižnice a dátové služby sa často zaoberajú zmiešanými jazykovými dokumentmi. Manual sortiering a jazykové špecifické extrakcie sú úzkostné a chybové - najmä keď sa škáluje na tisíce dokumentov.

Prehľad riešenia

Aspose.OCR pre .NET podporuje viac ako 30 jazykov.Môžete nastaviť rozpoznávacie nastavenia podľa súboru alebo balíka, potom automatizovať extrakciu a export do vášho preferovaného formátu pre bezproblémovú integráciu do pracovných tokov podnikania alebo výskumu.

Predpoklady

• Visual Studio 2019 alebo neskôr
• .NET 6.0 alebo novší (alebo .Net Framework 4.6.2+)
• Aspose.OCR pre .NET od NuGet
• Základné skúsenosti s programovaním C#

PM> Install-Package Aspose.OCR

krok za krokom implementácia

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}");
        }
    }
}

Použitie prípadov a aplikácií

Digitalizácia globálnych archívov

Automatická extrakcia textu z viacjazyčných archívov, novín alebo firemných záznamov.

Medzinárodná obchodná automatizácia

OCR poskytuje výsledky z zmiešaných jazykových zmlúv, faktúr alebo dokumentov v oblasti ľudských zdrojov do vášho globálneho ERP alebo pracovného toku.

Viacjazyčná kompatibilita a vyhľadávanie

Umožňuje plnohodnotné vyhľadávanie a kontroly súladu medzi dokumentmi v mnohých jazykoch.

Spoločné výzvy a riešenia

Výzva 1: Mixed-language dokumenty

Riešenie: Spustiť detekciu a spracovanie na stránke, alebo používať režim jazyka AUTO, ak je k dispozícii.

Výzva 2: Variačná kvalita obrazu

Riešenie: Štandardizujte skenovanie a spustite predbežné spracovanie na normalizáciu kvality obrazu.

Výzva 3: Výkonné Bottlenecks

Riešenie: Proces v paralele, kde je to možné, a optimalizovať využívanie zdrojov.

Preskúmanie výkonnosti

• Usporiadať batch práce podľa jazyka pre efektívnosť zdrojov
• Monitorovanie pamäte/CPU s paralelnými prácami
• Validácia výstupu na každom batch

Najlepšie postupy

• Udržujte jazykové priečinky organizované pre ľahké riešenie problémov
• Validujte vzorkový balík pre každý jazyk
• Aktualizácia Aspose.OCR pre najnovšie jazykové vylepšenia
• Zabezpečte vstupné a výstupné údaje

Pokročilé scenáre

Scénár 1: Vývoz viacjazyčných výsledkov na JSON

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

Scenár 2: Detekcia jazyka automaticky (ak je podporovaná)

settings.Language = Language.Auto;

Záver

Aspose.OCR pre .NET vám umožňuje automatizovať textové extrakcie z rôznorodých, viacjazyčných obrázkových zbierok – urýchľuje globálnu digitalizáciu a robí vaše archívy vyhľadávateľné, objaviteľné a pripravené na integráciu pracovného toku.

Pre úplný zoznam podporovaných jazykov a pokročilých tipov navštívte Aspose.OCR pre .NET API referencie .