Jak zbudować proces OCR plików PDF przy użyciu OCR.net i IronPDF w języku C#

Jak rozpocząć pracę z IronPDF?

Przed zbudowaniem przepływu pracy OCR, musisz mieć zainstalowany IronPDF w swoim projekcie. Najszybsza ścieżka to konsola Menedżera Pakietów NuGet:

Install-Package IronPdf

Lub dodaj go bezpośrednio przez interfejs użytkownika NuGet, wyszukując IronPdf. Po zainstalowaniu zastosuj klucz licencyjny podczas uruchamiania aplikacji:

using IronPdf;

IronPdf.License.LicenseKey = "YOUR-LICENSE-KEY";

using IronPdf;

IronPdf.License.LicenseKey = "YOUR-LICENSE-KEY";

Imports IronPdf

IronPdf.License.LicenseKey = "YOUR-LICENSE-KEY"

Dostępna jest bezpłatna licencja próbna, dzięki czemu możesz przetestować pełen zestaw funkcji bez żadnych ograniczeń. IronPDF obsługuje .NET 6, 7, 8 i 10 na Windows, Linux i macOS, co oznacza, że ten sam kod działa w aplikacjach desktopowych, usługach webowych ASP.NET Core i wdrożeniach konteneryzowanych.

Dla środowisk Docker IronPDF zapewnia wstępnie skonfigurowany przewodnik wdrożenia Linux i warianty pakietów slim, które zmniejszają rozmiar obrazu. Jeśli preferujesz architekturę zdalnego renderowania, IronPDF Engine może działać jako osobna usługa z klientami na każdej obsługiwanej platformie.

Co to jest OCRNet i jak działa optyczne rozpoznawanie znaków?

OCR.net to podejście głębokiego uczenia do optycznego rozpoznawania znaków (OCR), które rozpoznaje alfanumeryczne znaki w różnych stylach czcionek. Model używa zoptymalizowanej architektury sieci neuronowej do przechwytywania cech przestrzennych z obrazów wejściowych. Połączone z możliwościami generowania PDF, te modelowane modele dostarczają rozpoznawanie z dużą precyzją w przypadku typowych rodzajów dokumentów.

Ramy rozpoznawania za OCR.net używają Jednostki Recurrenty z Bramka (GRU), aby poprawić uczenie się cech i przetwarzać zadania rozpoznawania sekwencji oparte na obrazach. Ten model hybrydowy osiąga znaczącą dokładność dzięki klasyfikacji czasowo-połączeniowej (CTC), technice pierwotnie wprowadzonej dla etykietowania sekwencji, która dobrze przenosi się na OCR dokumentu. Aktualne ulepszenia ciągle rozszerzają wsparcie językowe OCR.net, zwłaszcza gdy jest zintegrowany z narzędziami do ekstrakcji tekstu PDF.

Kluczowe komponenty nowoczesnego pipeline'u OCR obejmują:

• Wykrywanie tekstu: Identyfikacja regionów zawartości tekstowej w obrazie za pomocą przeszkolonych modeli
• Wykrywanie tekstu sceny: Znalezienie tekstu w złożonych tłach i dynamicznych środowiskach
• Rozpoznawanie znaków alfanumerycznych: Używanie przeszkolonych modeli do rozpoznawania znaków z wysoką dokładnością walidacyjną
• Rozpoznawanie wzorców: Zastosowanie technik przetwarzania obrazów do lekkiego rozpoznawania tekstu sceny

Architektura oparta na GRU i klasyfikacja czasowo-połączeniowa umożliwiają wydajne zużycie zasobów w środowiskach konteneryzowanych, czyniąc OCR.net praktycznym wyborem dla wdrożeń Kubernetes, gdzie znaczenie mają ograniczenia pamięci i CPU. Lekka architektura utrzymuje rozmiary obrazów Docker na poziomie zarządzalnym przy jednoczesnym utrzymaniu wysokiej dokładności rozpoznawania.

Jak IronPDF tworzy dokumenty PDF do przetwarzania OCR?

IronPDF daje deweloperom .NET pełną kontrolę nad generowaniem PDF. Biblioteka może renderować ciągi HTML, adresy URL i wejścia plików do dopracowanych PDF-ów za pomocą swojego silnika renderowania opartego na Chrome. Dla przepływów pracy OCR kluczową cechą jest RasterizeToImageFiles(), która eksportuje strony PDF jako obrazy wysokiej rozdzielczości odpowiednie do rozpoznawania.

using IronPdf;

// Create a PDF document with IronPDF
var renderer = new ChromePdfRenderer();

// Set 300 DPI for OCR accuracy -- higher DPI preserves text sharpness
renderer.RenderingOptions.PaperSize = IronPdf.Rendering.PdfPaperSize.A4;
renderer.RenderingOptions.DPI = 300;
renderer.RenderingOptions.MarginTop = 50;
renderer.RenderingOptions.MarginBottom = 50;

var pdf = renderer.RenderHtmlAsPdf(@"
    <h1>Document Report</h1>
    <p>Scene text integration for computer vision analysis.</p>
    <p>Text detection results for dataset and model analysis.</p>");

// Tag the document with searchable metadata
pdf.MetaData.Author = "OCR Processing Pipeline";
pdf.MetaData.Keywords = "OCR, Text Recognition, Computer Vision";
pdf.MetaData.ModifiedDate = DateTime.Now;

pdf.SaveAs("document-for-ocr.pdf");

// Export pages as PNG images for OCR.net -- 300 DPI is the recommended minimum
pdf.RasterizeToImageFiles("page-*.png", IronPdf.Imaging.ImageType.Png, 300);

using IronPdf;

// Create a PDF document with IronPDF
var renderer = new ChromePdfRenderer();

// Set 300 DPI for OCR accuracy -- higher DPI preserves text sharpness
renderer.RenderingOptions.PaperSize = IronPdf.Rendering.PdfPaperSize.A4;
renderer.RenderingOptions.DPI = 300;
renderer.RenderingOptions.MarginTop = 50;
renderer.RenderingOptions.MarginBottom = 50;

var pdf = renderer.RenderHtmlAsPdf(@"
    <h1>Document Report</h1>
    <p>Scene text integration for computer vision analysis.</p>
    <p>Text detection results for dataset and model analysis.</p>");

// Tag the document with searchable metadata
pdf.MetaData.Author = "OCR Processing Pipeline";
pdf.MetaData.Keywords = "OCR, Text Recognition, Computer Vision";
pdf.MetaData.ModifiedDate = DateTime.Now;

pdf.SaveAs("document-for-ocr.pdf");

// Export pages as PNG images for OCR.net -- 300 DPI is the recommended minimum
pdf.RasterizeToImageFiles("page-*.png", IronPdf.Imaging.ImageType.Png, 300);

Imports IronPdf

' Create a PDF document with IronPDF
Dim renderer As New ChromePdfRenderer()

' Set 300 DPI for OCR accuracy -- higher DPI preserves text sharpness
renderer.RenderingOptions.PaperSize = IronPdf.Rendering.PdfPaperSize.A4
renderer.RenderingOptions.DPI = 300
renderer.RenderingOptions.MarginTop = 50
renderer.RenderingOptions.MarginBottom = 50

Dim pdf = renderer.RenderHtmlAsPdf("
    <h1>Document Report</h1>
    <p>Scene text integration for computer vision analysis.</p>
    <p>Text detection results for dataset and model analysis.</p>")

' Tag the document with searchable metadata
pdf.MetaData.Author = "OCR Processing Pipeline"
pdf.MetaData.Keywords = "OCR, Text Recognition, Computer Vision"
pdf.MetaData.ModifiedDate = DateTime.Now

pdf.SaveAs("document-for-ocr.pdf")

' Export pages as PNG images for OCR.net -- 300 DPI is the recommended minimum
pdf.RasterizeToImageFiles("page-*.png", IronPdf.Imaging.ImageType.Png, 300)

Metoda RasterizeToImageFiles() konwertuje strony PDF na obrazy PNG przy określonym DPI. Przy 300 DPI krawędzie tekstu pozostają wystarczająco ostre, aby model OCR mógł rozróżnić podobnie wyglądające znaki. Przy 150 DPI lub niżej dokładność rozpoznawania zauważalnie spada przy czcionkach szeryfowych i małych drukach. Po eksporcie, prześlij pliki PNG do OCR.net lub przekaż je bezpośrednio do lokalnego modelu.

using IronPdf;

// Kubernetes-compatible health check endpoint
var builder = WebApplication.CreateBuilder(args);
var app = builder.Build();

app.MapGet("/health/ready", async () =>
{
    try
    {
        var renderer = new ChromePdfRenderer();
        var testPdf = await renderer.RenderHtmlAsPdfAsync("<p>Health check</p>");
        return testPdf.PageCount > 0 ? Results.Ok() : Results.Problem();
    }
    catch
    {
        return Results.Problem("PDF rendering unavailable");
    }
});

await app.RunAsync();

using IronPdf;

// Kubernetes-compatible health check endpoint
var builder = WebApplication.CreateBuilder(args);
var app = builder.Build();

app.MapGet("/health/ready", async () =>
{
    try
    {
        var renderer = new ChromePdfRenderer();
        var testPdf = await renderer.RenderHtmlAsPdfAsync("<p>Health check</p>");
        return testPdf.PageCount > 0 ? Results.Ok() : Results.Problem();
    }
    catch
    {
        return Results.Problem("PDF rendering unavailable");
    }
});

await app.RunAsync();

Imports IronPdf

' Kubernetes-compatible health check endpoint
Dim builder = WebApplication.CreateBuilder(args)
Dim app = builder.Build()

app.MapGet("/health/ready", Async Function()
    Try
        Dim renderer = New ChromePdfRenderer()
        Dim testPdf = Await renderer.RenderHtmlAsPdfAsync("<p>Health check</p>")
        Return If(testPdf.PageCount > 0, Results.Ok(), Results.Problem())
    Catch
        Return Results.Problem("PDF rendering unavailable")
    End Try
End Function)

Await app.RunAsync()

Jak OCR.net wyodrębnia tekst z obrazów PDF?

Gdy masz już eksporty PNG z IronPDF, prześlij je do OCR.net do rozpoznania tekstu. Rurociąg OCR.net przetwarza obrazy i zwraca znormalizowany tekst w różnych stylach czcionek. Obsługuje zarówno tekst drukowany, jak i pisany ręcznie, oraz ponad 60 języków dokumentów.

Korzystanie z OCR.net Online:

1. Przejdź na https://ocr.net/
2. Prześlij obraz PNG lub JPG (maksymalnie 2 MB) wyeksportowany z IronPDF
3. Wybierz język dokumentu spośród ponad 60 dostępnych opcji
4. Wybierz format wyjściowy: zwykły tekst lub przeszukiwalny PDF
5. Kliknij "Convert Now", aby przetworzyć obraz za pomocą modeli OCR.net

OCR.net oferuje również API do automatycznego przetwarzania. Darmowe konta są ograniczone do 50 żądań na godzinę, co stanowi istotne ograniczenie dla zautomatyzowanych rurociągów. Zaprojektuj swoją integrację tak, aby obsługiwała odpowiedzi ograniczenia szybkości w sposób łagodny z zastosowaniem wykładniczego odwrotu, a nie kończyła się niepowodzeniem.

using System;
using System.Net.Http;
using System.Threading.Tasks;

// Queue-based OCR processing with exponential backoff retry
async Task<string> ProcessOcrWithRetry(string imagePath, int maxRetries = 3)
{
    for (int attempt = 0; attempt < maxRetries; attempt++)
    {
        try
        {
            // Replace with your actual OCR.net API call
            return await CallOcrNetApi(imagePath);
        }
        catch (HttpRequestException ex) when (ex.Message.Contains("429"))
        {
            if (attempt == maxRetries - 1) throw;
            var delay = TimeSpan.FromSeconds(Math.Pow(2, attempt));
            await Task.Delay(delay);
        }
    }
    throw new InvalidOperationException("OCR processing failed after all retries");
}

using System;
using System.Net.Http;
using System.Threading.Tasks;

// Queue-based OCR processing with exponential backoff retry
async Task<string> ProcessOcrWithRetry(string imagePath, int maxRetries = 3)
{
    for (int attempt = 0; attempt < maxRetries; attempt++)
    {
        try
        {
            // Replace with your actual OCR.net API call
            return await CallOcrNetApi(imagePath);
        }
        catch (HttpRequestException ex) when (ex.Message.Contains("429"))
        {
            if (attempt == maxRetries - 1) throw;
            var delay = TimeSpan.FromSeconds(Math.Pow(2, attempt));
            await Task.Delay(delay);
        }
    }
    throw new InvalidOperationException("OCR processing failed after all retries");
}

Imports System
Imports System.Net.Http
Imports System.Threading.Tasks

' Queue-based OCR processing with exponential backoff retry
Async Function ProcessOcrWithRetry(imagePath As String, Optional maxRetries As Integer = 3) As Task(Of String)
    For attempt As Integer = 0 To maxRetries - 1
        Try
            ' Replace with your actual OCR.net API call
            Return Await CallOcrNetApi(imagePath)
        Catch ex As HttpRequestException When ex.Message.Contains("429")
            If attempt = maxRetries - 1 Then Throw
            Dim delay As TimeSpan = TimeSpan.FromSeconds(Math.Pow(2, attempt))
            Await Task.Delay(delay)
        End Try
    Next
    Throw New InvalidOperationException("OCR processing failed after all retries")
End Function

Dla przepływów pracy związanych z dostępnością, ekstrakcja tekstu OCR pozwala użytkownikom niedowidzącym otrzymać informacje audio z dokumentów, które wcześniej były tylko obrazami. Łączenie wyjścia OCR.net z kompatybilnością PDF/UA przez IronPDF tworzy dokumenty, które technologie wspomagające mogą skutecznie nawigować.

Jak zbudować kompletny przepływ pracy IronPDF i OCR.net?

Połączenie IronPDF z OCR.net zapewnia kompleksowe rozwiązania dokumentów. Przepływ pracy ma trzy etapy: eksportowanie stron PDF jako obrazy, wysyłanie obrazów do OCR.net w celu ekstrakcji tekstu i rekonstruowanie rozpoznanego tekstu jako nowego, przeszukiwalnego PDF.

using IronPdf;
using System;
using System.Collections.Generic;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;

// --- Stage 1: Export PDF pages as images for OCR ---
var scannedPdf = PdfDocument.FromFile("input-document.pdf");
var imageFiles = scannedPdf.RasterizeToImageFiles(
    "scan-page-{0}.png",
    IronPdf.Imaging.ImageType.Png,
    300 // 300 DPI -- minimum for reliable OCR accuracy
);

// --- Stage 2: Process each image through OCR.net ---
var ocrResults = new List<string>();
foreach (var imageFile in imageFiles)
{
    // Replace this placeholder with your actual OCR.net API integration
    string ocrText = await SendImageToOcrNet(imageFile);
    ocrResults.Add(ocrText);
}

// --- Stage 3: Reassemble recognized text as a searchable PDF ---
var htmlBuilder = new StringBuilder();
htmlBuilder.Append(@"<!DOCTYPE html><html><head>
    <style>body{font-family:Arial,sans-serif;margin:40px;}
    .page{page-break-after:always;} pre{white-space:pre-wrap;}</style>
    </head><body>");

for (int i = 0; i < ocrResults.Count; i++)
{
    htmlBuilder.AppendFormat(
        "<div class='page'><h2>Page {0}</h2><pre>{1}</pre></div>",
        i + 1,
        System.Web.HttpUtility.HtmlEncode(ocrResults[i])
    );
}
htmlBuilder.Append("</body></html>");

var renderer = new ChromePdfRenderer();
renderer.RenderingOptions.DPI = 300;
renderer.RenderingOptions.EnableJavaScript = false;

var searchablePdf = await renderer.RenderHtmlAsPdfAsync(htmlBuilder.ToString());
searchablePdf.MetaData.Title = "OCR Processed Document";
searchablePdf.MetaData.Subject = "Searchable PDF from OCR";
searchablePdf.MetaData.CreationDate = DateTime.UtcNow;
searchablePdf.SecuritySettings.AllowUserPrinting = true;
searchablePdf.SecuritySettings.AllowUserCopyPasteContent = true;

searchablePdf.SaveAs("searchable-document.pdf");

using IronPdf;
using System;
using System.Collections.Generic;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;

// --- Stage 1: Export PDF pages as images for OCR ---
var scannedPdf = PdfDocument.FromFile("input-document.pdf");
var imageFiles = scannedPdf.RasterizeToImageFiles(
    "scan-page-{0}.png",
    IronPdf.Imaging.ImageType.Png,
    300 // 300 DPI -- minimum for reliable OCR accuracy
);

// --- Stage 2: Process each image through OCR.net ---
var ocrResults = new List<string>();
foreach (var imageFile in imageFiles)
{
    // Replace this placeholder with your actual OCR.net API integration
    string ocrText = await SendImageToOcrNet(imageFile);
    ocrResults.Add(ocrText);
}

// --- Stage 3: Reassemble recognized text as a searchable PDF ---
var htmlBuilder = new StringBuilder();
htmlBuilder.Append(@"<!DOCTYPE html><html><head>
    <style>body{font-family:Arial,sans-serif;margin:40px;}
    .page{page-break-after:always;} pre{white-space:pre-wrap;}</style>
    </head><body>");

for (int i = 0; i < ocrResults.Count; i++)
{
    htmlBuilder.AppendFormat(
        "<div class='page'><h2>Page {0}</h2><pre>{1}</pre></div>",
        i + 1,
        System.Web.HttpUtility.HtmlEncode(ocrResults[i])
    );
}
htmlBuilder.Append("</body></html>");

var renderer = new ChromePdfRenderer();
renderer.RenderingOptions.DPI = 300;
renderer.RenderingOptions.EnableJavaScript = false;

var searchablePdf = await renderer.RenderHtmlAsPdfAsync(htmlBuilder.ToString());
searchablePdf.MetaData.Title = "OCR Processed Document";
searchablePdf.MetaData.Subject = "Searchable PDF from OCR";
searchablePdf.MetaData.CreationDate = DateTime.UtcNow;
searchablePdf.SecuritySettings.AllowUserPrinting = true;
searchablePdf.SecuritySettings.AllowUserCopyPasteContent = true;

searchablePdf.SaveAs("searchable-document.pdf");

Imports IronPdf
Imports System
Imports System.Collections.Generic
Imports System.Net.Http
Imports System.Text
Imports System.Threading.Tasks

' --- Stage 1: Export PDF pages as images for OCR ---
Dim scannedPdf = PdfDocument.FromFile("input-document.pdf")
Dim imageFiles = scannedPdf.RasterizeToImageFiles(
    "scan-page-{0}.png",
    IronPdf.Imaging.ImageType.Png,
    300 ' 300 DPI -- minimum for reliable OCR accuracy
)

' --- Stage 2: Process each image through OCR.net ---
Dim ocrResults As New List(Of String)()
For Each imageFile In imageFiles
    ' Replace this placeholder with your actual OCR.net API integration
    Dim ocrText As String = Await SendImageToOcrNet(imageFile)
    ocrResults.Add(ocrText)
Next

' --- Stage 3: Reassemble recognized text as a searchable PDF ---
Dim htmlBuilder As New StringBuilder()
htmlBuilder.Append("<!DOCTYPE html><html><head>
    <style>body{font-family:Arial,sans-serif;margin:40px;}
    .page{page-break-after:always;} pre{white-space:pre-wrap;}</style>
    </head><body>")

For i As Integer = 0 To ocrResults.Count - 1
    htmlBuilder.AppendFormat(
        "<div class='page'><h2>Page {0}</h2><pre>{1}</pre></div>",
        i + 1,
        System.Web.HttpUtility.HtmlEncode(ocrResults(i))
    )
Next
htmlBuilder.Append("</body></html>")

Dim renderer As New ChromePdfRenderer()
renderer.RenderingOptions.DPI = 300
renderer.RenderingOptions.EnableJavaScript = False

Dim searchablePdf = Await renderer.RenderHtmlAsPdfAsync(htmlBuilder.ToString())
searchablePdf.MetaData.Title = "OCR Processed Document"
searchablePdf.MetaData.Subject = "Searchable PDF from OCR"
searchablePdf.MetaData.CreationDate = DateTime.UtcNow
searchablePdf.SecuritySettings.AllowUserPrinting = True
searchablePdf.SecuritySettings.AllowUserCopyPasteContent = True

searchablePdf.SaveAs("searchable-document.pdf")

Ten pipeline jest celowo prosty. Etap 1 produkuje ponumerowane pliki PNG. Etap 2 wysyła każdy plik do OCR.net i zbiera zwracane ciągi tekstowe. Etap 3 zawija te ciągi w HTML i używa IronPDF do renderowania ostatecznego PDF, gdzie tekst jest w pełni wybieralny i przeszukiwalny. Możesz rozszerzyć etap 3, aby zastosować metadane PDF do zarządzania dokumentami lub ustawienia bezpieczeństwa do kontroli dostępu.

FROM mcr.microsoft.com/dotnet/sdk:8.0 AS build
WORKDIR /app

COPY *.csproj ./
RUN dotnet restore

COPY . ./
RUN dotnet publish -c Release -o out

FROM mcr.microsoft.com/dotnet/aspnet:8.0
WORKDIR /app

# IronPDF Linux runtime dependencies
RUN apt-get update && apt-get install -y \
    libgdiplus \
    libc6-dev \
    libx11-dev \
    && rm -rf /var/lib/apt/lists/*

COPY --from=build /app/out .

HEALTHCHECK --interval=30s --timeout=3s --start-period=5s --retries=3 \
  CMD curl -f http://localhost:8080/health/ready || exit 1

ENTRYPOINT ["dotnet", "OcrWorkflow.dll"]

using Prometheus;
using System;
using System.Threading.Tasks;

// Prometheus metrics for OCR pipeline observability
var ocrRequestsTotal = Metrics
    .CreateCounter("ocr_requests_total", "Total OCR requests processed");

var ocrDuration = Metrics
    .CreateHistogram("ocr_duration_seconds", "OCR processing duration in seconds",
        new HistogramConfiguration
        {
            Buckets = Histogram.LinearBuckets(0.1, 0.1, 10)
        });

var activeOcrJobs = Metrics
    .CreateGauge("ocr_active_jobs", "Currently active OCR jobs");

// Wrapper that tracks every OCR operation automatically
async Task<t> TrackOcrOperation<t>(Func<Task<t>> operation)
{
    using (ocrDuration.NewTimer())
    {
        activeOcrJobs.Inc();
        try
        {
            var result = await operation();
            ocrRequestsTotal.Inc();
            return result;
        }
        finally
        {
            activeOcrJobs.Dec();
        }
    }
}

using Prometheus;
using System;
using System.Threading.Tasks;

// Prometheus metrics for OCR pipeline observability
var ocrRequestsTotal = Metrics
    .CreateCounter("ocr_requests_total", "Total OCR requests processed");

var ocrDuration = Metrics
    .CreateHistogram("ocr_duration_seconds", "OCR processing duration in seconds",
        new HistogramConfiguration
        {
            Buckets = Histogram.LinearBuckets(0.1, 0.1, 10)
        });

var activeOcrJobs = Metrics
    .CreateGauge("ocr_active_jobs", "Currently active OCR jobs");

// Wrapper that tracks every OCR operation automatically
async Task<t> TrackOcrOperation<t>(Func<Task<t>> operation)
{
    using (ocrDuration.NewTimer())
    {
        activeOcrJobs.Inc();
        try
        {
            var result = await operation();
            ocrRequestsTotal.Inc();
            return result;
        }
        finally
        {
            activeOcrJobs.Dec();
        }
    }
}

Imports Prometheus
Imports System
Imports System.Threading.Tasks

' Prometheus metrics for OCR pipeline observability
Dim ocrRequestsTotal = Metrics.CreateCounter("ocr_requests_total", "Total OCR requests processed")

Dim ocrDuration = Metrics.CreateHistogram("ocr_duration_seconds", "OCR processing duration in seconds", 
    New HistogramConfiguration With {
        .Buckets = Histogram.LinearBuckets(0.1, 0.1, 10)
    })

Dim activeOcrJobs = Metrics.CreateGauge("ocr_active_jobs", "Currently active OCR jobs")

' Wrapper that tracks every OCR operation automatically
Async Function TrackOcrOperation(Of T)(operation As Func(Of Task(Of T))) As Task(Of T)
    Using ocrDuration.NewTimer()
        activeOcrJobs.Inc()
        Try
            Dim result = Await operation()
            ocrRequestsTotal.Inc()
            Return result
        Finally
            activeOcrJobs.Dec()
        End Try
    End Using
End Function

Jakie są Twoje kolejne kroki?

OCR.net w połączeniu z IronPDF daje praktyczną ścieżkę do ekstrakcji tekstu i generowania przeszukiwalnego PDF w .NET. Pipeline pokrywa podstawowe zastosowania: tworzenie PDF-ów z HTML, eksportowanie stron w rozdzielczości kompatybilnej z OCR, wysyłanie obrazów do OCR.net i rekonstruowanie wyników w pełni przeszukiwalny dokument.

Kluczowe rozważania przy przejściu do produkcji:

• Ustawienie kontenera: Użyj pakietów IronPDF Slim i budowy Docker wieloetapowej, aby utrzymać rozmiary obrazów na poziomie zarządzalnym
• Planowanie zasobów: Skonfiguruj limity pamięci odpowiednie dla rozmiarów dokumentów i celu współbieżności
• Monitorowanie: Zaimplementuj metryki Prometheus wraz z logowaniem IronPDF, aby szybko uchwycić degradację
• Przepustowość: Użyj operacji asynchronicznych i zarządzania kolejkami wsadowymi, aby pracować w ramach ograniczeń szybkości OCR.net
• Niezawodność: Zbuduj logikę ponownego próby o mikcji wykładniczej i wyłączników obwodu wokół wywołania API OCR.net

Rozpocznij od bezpłatnej licencji próbnej, aby przetestować cały przepływ pracy od początku do końca przed podjęciem decyzji o licencji produkcyjnej. Wersja próbna usuwa znak wodny i odblokowuje wszystkie funkcje, dzięki czemu wyniki benchmarku dokładnie odzwierciedlają zachowanie w produkcji. Gdy będziesz gotowy do wdrożenia, przejrzyj opcje licencyjne IronPDF, aby znaleźć poziom, który odpowiada twojemu wzorcowi użytkowania.