如何在 C# 中使用 MODI (Microsoft Office Document Imaging) 进行连续 OCR

Posted 2023-04-17

【中文标题】如何在 C# 中使用 MODI (Microsoft Office Document Imaging) 进行连续 OCR

【英文标题】：How to OCR serially with MODI (Microsoft Office Document Imaging) in C#

【发布时间】：2012-06-17 15:02:51

【问题描述】：

我在一个文件夹中将文档扫描为 .jpg 图片，我想在 C# 中为该文件夹中的每个文档连续执行 OCR。 到目前为止我已经做到了：

public string CheckFilesAndDoOCR(string directoryPath)

    directoryPath = Environment.SpecialFolder.MyPictures + "\\OCRTempPictures\\";
    IEnumerator files = Directory.GetFiles(directoryPath).GetEnumerator();
    string TheTxt = "";

    while (files.MoveNext())
    
        // FileInfo
        FileInfo nfo = new FileInfo(Convert.ToString(files.Current));

        // Get new file name
        string fileName = AlltoJPG(nfo);

        // FileInfo (New File)
        FileInfo foo = new FileInfo(fileName);

        // Check for JPG File Format
        if (foo.Extension == ".jpg" || foo.Extension == ".JPG")
        // or // ImageFormat.Jpeg.ToString()
        
            try
            
                // OCR Operations...
                MODI.Document md = new MODI.Document();
                md.Create(foo.FullName);
                md.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, false, false); // OCR();
                MODI.Image image = (MODI.Image)md.Images[0];
                TheTxt = image.Layout.Text;
                md.Close(false);

                // Create text file with the same Image file name
                FileStream createFile = new FileStream(foo.DirectoryName + "\\" + foo.Name.Replace(foo.Extension,string.Empty) + ".txt", FileMode.CreateNew);

                // Save the image text in the text file
                StreamWriter writeFile = new StreamWriter(createFile);
                writeFile.Write(TheTxt);
                writeFile.Close();
            
            catch (Exception ex)
            
                // Expected errors
                string LogPath = System.Environment.SpecialFolder.MyPictures + "\\OCRTempPictures\\OCRInfo.txt";
                Logger(LogPath, "| Exception: Source[" + ex.Source + "] Message[" + ex.Message + "] InnerException[" + ex.InnerException + "] StackTrace[" + ex.StackTrace + "] | ");
                // MessageBox.Show(ex.Message, "OCR Exception", MessageBoxButtons.OK, MessageBoxIcon.Information);
            
        
    
    return TheTxt;

但是 MODI 给出了OCR running! 或Cant reach file.File is in use. 错误..

视情况而定：

如何避免这些错误？

是否有办法停止 OCR 操作并耗尽所有正在使用的对象？

如果有人能回答以上任何问题，将不胜感激。

【问题讨论】：

你检查过这个帖子吗？ ***.com/questions/6699740/… 这是一个通用错误，意味着 MODI 无法识别位图

@PanagiotisKanavos 是的，我做到了！但是这些答案并不能解决我的问题..它可以识别所有字符，并且我正在使用 jpeg 文件，并且在处理了很长时间之后，我发现了大部分问题，但仍然存在最疯狂的问题。它不让我移动 - 删除我有 ocr 结果的那个文件。不知道为什么这样做。表示该文件仍在使用中。生病更新问题。

您收到此错误的原因是您试图一次处理多个图像。实施代码以防止这种情况发生。

@Ramhound 啊，废话！你说的对。我不知道我能感谢你多少！您应该将其发布为答案，以便我可以给您代表。

【参考方案1】：

这是完整的工作代码！感谢@Ramhound

下面的代码只是指定了一个充满图片的文件夹，然后对它们进行 OCR 扫描。

    /// <summary>
    /// Gets all images inside a Folder
    /// and triggers OCR on each..
    /// </summary>
    /// <param name="directoryPath"> Path to Folder </param>
    /// <returns> Text </returns>        
    public string CheckFileAndDoOCR(string directoryPath)
    
        string TheTxt = "";
        IEnumerator files = Directory.GetFiles(directoryPath).GetEnumerator();

        while (files.MoveNext())
        
            // FileInfo
            FileInfo foo = new FileInfo(Convert.ToString(files.Current));

            // Check for JPG File Format
            if (foo.Extension == ".jpg" || foo.Extension == ".JPG")
            // or // ImageFormat.Jpeg.ToString()
            
                // Start OCR Procedure
                TheTxt = DoOCR(foo.FullName);
                // Create TXT file next to ImageFile
                string txtFileName = foo.DirectoryName + "\\" + foo.Name.Replace(foo.Extension,"") + ".txt";
                FileStream createFile = new FileStream(txtFileName, FileMode.OpenOrCreate);
                // Save the text in to TXT file
                StreamWriter writeFile = new StreamWriter(createFile);
                writeFile.Write(TheTxt);
                // Close
                writeFile.Close();
                createFile.Close();
            

            // Delete used pictures (Optional)
            /*--------------------------------------------------------------------*/
            try 
             foo.Delete(); 
            catch (Exception ex)
             Logger(LogPath, "| Exception: Source[" + ex.Source + "] Message[" + ex.Message + 
                "] InnerException[" + ex.InnerException + "] StackTrace[" + ex.StackTrace + "] | "); 
            /*--------------------------------------------------------------------*/
        
        return TheTxt;
    
    // DoOCR
    // 
    /// <summary>
    /// Start an OCR scan on given ImageFile
    /// </summary>
    /// <param name="FullPath"> Path to ImageFile </param>
    /// <returns> Text </returns>
    public string DoOCR(string FullPath)
    
        string txt;

        // OCR Operations...
        MODI.Document md = new MODI.Document(); // Create MODI.Document
        md.Create(FullPath); // Fill MODI.Document with my file
        // Showprogress of OCR
        md.OnOCRProgress += new MODI._IDocumentEvents_OnOCRProgressEventHandler(this.ShowProgress);
        // Begin OCR
        md.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, false, false); // OCR();
        // Image from file
        MODI.Image image = (MODI.Image)md.Images[0];
        txt = image.Layout.Text;
        // Optionally you can get only first word by using word.Text
        /// Words from Image :
        // MODI.Word word = image.Layout.Words[0];
        /// Text from first Word :
        // txt = word.Text;

        // Close OCR
        word = null;
        image = null;
        md.Close(false);
        md = null;

        // Finalize
        GC.Collect();
        GC.WaitForPendingFinalizers();

        // Return Text
        return txt;
    

【参考方案2】：

这是因为如果你只插入单页文件，Doc1.OCR() 会检查多页 tiff 文件，然后它会显示错误尝试使用多页 tiff 文件