Hur man Batch Process Multilingual OCR med Aspose.OCR

Digitaliseringen av globala arkiv, affärsdokument eller undersökningsformulär innebär ofta att arbeta med flera språk. Manuell utvinning är långsam och inte skalbar. Aspose.OCR för .NET gör att du kan automatisera extraktionen av text på olika språk från stora volymer av bilder eller PDF-filer med bara några rader kod.

Realvärldsproblem

Internationella företag, bibliotek och datatjänster hanterar ofta blandade språkdokument. Manuell sortering och språkspecifik extraktion är tråkiga och felfria - speciellt när man skalar upp till tusentals dokument.

Översikt över lösningen

Aspose.OCR för .NET stöder mer än 30 språk. Du kan konfigurera upptäcktsinställningar per fil eller batch, sedan automatisera utvinning och export till ditt föredragna format för trådlös integration i affärs- eller forskningsarbetsflöden.

förutsättningar

• Visual Studio 2019 eller senare
• .NET 6.0 eller senare (eller .Net Framework 4.6.2+)
• Aspose.OCR för .NET från NuGet
• Grundläggande C# programmeringserfarenhet

PM> Install-Package Aspose.OCR

Steg för steg genomförande

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}");
        }
    }
}

Använd fall och applikationer

Global arkiv digitalisering

Automatisk utvinning av text från flerspråkiga arkiv, tidningar eller företagsrapporter.

Internationell företagsautomation

Feed OCR-resultat från blandade språkkontrakt, fakturor eller HR-dokument till din globala ERP eller arbetsflöde.

Flerspråkig överensstämmelse och sökning

Tillåta fulltext sökning och överensstämmelse kontroller över dokument på många språk.

Gemensamma utmaningar och lösningar

Utmaning 1: Blandade språkdokument

Lösning: Kör upptäckt och bearbetning per sida, eller använd AUTO-språkläge om tillgängligt.

Utmaning 2: Varierande bildkvalitet

Lösning: Standardisera skanning och kör förbehandling för att normalisera bildkvalitet.

Utmaning 3: Performance Bottlenecks

Lösning: Processera parallellt när det är möjligt och optimera resursanvändningen.

Prestanda överväganden

• Organisera batchjobb per språk för resurseffektivitet
• Monitorera minnet/CPU med parallella jobb
• Validerar utgången på varje batch

Bästa praxis

• Håll språkfilerna organiserade för enkel problemlösning
• Validerar ett provpaket för varje språk
• Uppdatera Aspose.OCR för de senaste språkförbättringarna
• Säkerhet både input och output data

Avancerade scenarier

Scenario 1: Exportera flerspråkiga resultat till JSON

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

Scenario 2: Detekterar språket automatiskt (om stöds)

settings.Language = Language.Auto;

slutsatser

Aspose.OCR för .NET gör att du kan automatisera textutvinning från mångsidiga, flerspråkiga bildsamlingar – påskynda global digitalisering och göra dina arkiv sökbara, upptäckbara och redo för arbetsflödesintegration.

För en fullständig lista över stödda språk och avancerade tips, besök Aspose.OCR för .NET API Referens .