چرا Aspose.OCR را برای Node.js از طریق C++ انتخاب کنید؟

Aspose.OCR برای Node.js از طریق ++C به شما امکان می دهد متن را از صفحات اسکن شده، عکس ها، اسکرین شات ها و سایر تصاویر در هر پلتفرمی که Node.js نصب شده است استخراج کنید. محصولات داخلی، سرویس‌های وب، برنامه‌های بدون سرور، AWS Lambda، توابع Azure و سایر کدها را با قابلیت تشخیص کاراکتر نوری تقویت کنید.

API تشخیص کاراکتر نوری (OCR) قدرتمند و غنی ما از بیش از 130 زبان مبتنی بر خط‌های لاتین، سیریلیک و آسیایی، از جمله چینی و هندی پشتیبانی می‌کند و می‌تواند فایل‌ها را در محبوب‌ترین قالب‌ها تشخیص دهد.

Illustration ocr

OCR کارآمد و دقیق

با Node.js پیشرفته از طریق فناوری C++ به نتایج OCR با سرعت بالا و دقیق برسید.

پشتیبانی چند زبانه

متن را به بیش از 130 زبان، از جمله اسکریپت های لاتین، سیریلیک، عربی، فارسی، هندی و چینی تشخیص دهید و از تطبیق پذیری برنامه های Node.js خود از طریق C++ اطمینان حاصل کنید.

پشتیبانی از تصویر همه کاره

تصاویر اسکنرها، دوربین‌ها و گوشی‌های هوشمند را بدون دردسر با Node.js از طریق C++ پردازش کنید.

دقت در تشخیص کاراکتر چینی

بیش از 6000 کاراکتر چینی را با دقت در پروژه های Node.js خود از طریق C++ شناسایی کنید.

تشخیص چیدمان

بلوک های محتوا را در تصاویر شناسایی و دسته بندی کنید تا از ترتیب صحیح متن استخراج شده، صرف نظر از طرح بندی اطمینان حاصل کنید.

نمونه کد زنده

شناسایی متن را از تصاویر با چندین خط کد آغاز کنید. سادگی را تجربه کنید!

آماده تشخیص آماده تشخیص یک فایل را اینجا رها کنید یا برای مرور کلیک کنید *

* با آپلود فایل های خود یا استفاده از سرویس با ما موافقت می کنید شرایط استفاده و سیاست حفظ حریم خصوصی.

نتیجه شناخت
 

تبدیل تصویر به متن

نمونه های بیشتر >
fs.readFile("source.png", (err, imageData) => {
  // Save photo to the virtual storage
  const imageBytes = new Uint8Array(imageData);
  let internalFileName = "temp";
  let stream = Module.FS.open(internalFileName, "w+");
  Module.FS.write(stream, imageBytes, 0, imageBytes.length, 0);
  Module.FS.close(stream);

  // Add photo to recognition batch
  let source = Module.WasmAsposeOCRInput();
  source.url = internalFileName;
  let batch = new Module.WasmAsposeOCRInputs();
  batch.push_back(source);

  // Automatically adjust recognition settings to better process photographs
  let recognitionSettings = Module.WasmAsposeOCRRecognitionSettings();
  recognitionSettings.detect_areas_mode = Module.DetectAreasMode.PHOTO;
  recognitionSettings.auto_contrast= true;

  // Send photo for OCR
  var result = Module.AsposeOCRRecognize(batch, recognitionSettings);
  // Output extracted text to the console
  var text = Module.AsposeOCRSerializeResult(result, Module.ExportFormat.text);
  console.log(text);
});

ادغام با برنامه های Node.js

Aspose.OCR برای Node.js به طور یکپارچه با هر پلتفرمی که از [C++]پشتیبانی می‌کند ( https://docs.aspose.com/ocr/nodejs-cpp/system-requirements/ ) یکپارچه می‌شود - چه روی دسکتاپ Windows، Windows Server، macOS، Linux ، یا ابر

Microsoft Windows
Linux
MacOS
GitHub
Microsoft Azure
Amazon Web Services
Docker

فرمت های فایل پشتیبانی شده

Aspose.OCR for Node.js via C++ می تواند تقریباً با هر [فایل]کار کند( https://docs.aspose.com/ocr/nodejs-cpp/supported-file-formats/ ) می توانید از یک اسکنر یا دوربین دریافت کنید. نتایج شناسایی در محبوب‌ترین فرمت‌های فایل و تبادل داده که می‌توانند ذخیره شوند، به پایگاه داده وارد شوند یا در زمان واقعی تجزیه و تحلیل شوند، بازگردانده می‌شوند.

تصاویر

  • JPEG
  • PNG
  • TIFF
  • BMP

OCR دسته ای

  • ZIP

نتایج تشخیص

  • Text
  • JSON
  • XML

عملکرد و کیفیت را تجربه کنید

فناوری پیشرفته OCR تشخیص سریع و دقیق متن را از تصاویر تضمین می کند و برنامه های شما را با قابلیت های درجه یک قدرتمند می کند. با راه حل OCR با کارایی بالا، کارایی پروژه و تجربه کاربری خود را بالا ببرید.

130+ زبان تشخیص

Node.js OCR API بسیاری از زبان‌ها و اسکریپت‌های نوشتاری محبوب، از جمله زبان‌های ترکیبی را تشخیص می‌دهد:

تشخیص زبان را به کتابخانه بسپارید یا خودتان زبان را برای بهبود عملکرد و قابلیت اطمینان تعریف کنید.

  • ** الفبای لاتین توسعه یافته **: انگلیسی، اسپانیایی، فرانسوی، اندونزیایی، پرتغالی، آلمانی، ویتنامی، ترکی، ایتالیایی، لهستانی، و بیش از 80 مورد دیگر.
  • ** الفبای سیریلیک **: روسی، اوکراینی، قزاقستانی، صربی، بلاروسی، بلغاری؛
  • عربی، فارسی، اردو؛
  • خط چینی و دوانگاری، از جمله هندی، مراتی، بوجپوری، و دیگران.

مناسب برای هر محتوایی

دقت و قابلیت اطمینان تشخیص متن به شدت به کیفیت تصویر اصلی بستگی دارد. Aspose.OCR برای Node.js از طریق C++ طیف گسترده ای از فیلترهای پردازش تصویر کاملاً خودکار و دستی را ارائه می دهد که تصویر را قبل از ارسال به موتور OCR بهبود می بخشد.

ویژگی ها و قابلیت ها

Aspose.OCR for Node.js via C++ ویژگی های پیشرفته Aspose.OCR را برای Node.js کاوش کنید.

Feature icon

عکس OCR

استخراج متن از عکس های تلفن هوشمند با دقت سطح اسکن.

Feature icon

PDF قابل جستجو

هر اسکن را به یک سند کاملاً قابل جستجو و فهرست‌بندی تبدیل کنید.

Feature icon

تشخیص URL

تشخیص تصویر از URL بدون بارگیری محلی.

Feature icon

تشخیص انبوه

تمام تصاویر را از اسناد چند صفحه ای، پوشه ها و بایگانی ها بخوانید.

Feature icon

هر نوع فونت و سبک

متن را در تمام حروف و سبک های رایج شناسایی و تشخیص دهید.

Feature icon

تشخیص دقیق

هر پارامتر OCR را برای بهترین نتایج تشخیص تنظیم کنید.

نمونه کد OCR Node.js

نمونه های کد را کشف کنید تا به راحتی OCR را در برنامه های Node.js خود ادغام کنید.

در حال نصب

Aspose.OCR برای Node.js به عنوان یک بسته NPM یا به عنوان یک [فایل قابل دانلود]مستقل ( https://releases.aspose.com/ocr/nodejs-cpp/ ) بدون وابستگی خارجی ارائه می شود. به راحتی آن را در پروژه خود نصب کنید و آماده تشخیص متون در چندین زبان پشتیبانی شده و دریافت نتایج تشخیص در قالب های مختلف هستید.

OCR را برای ماژول Node.js در کد خود وارد کنید.

const Module = require("aspose-ocr/lib/asposeocr");

تشخیص تصویر به متن با Node.js

Node.js OCR اجازه می دهد تا تصاویر جدول را به متن قابل ویرایش تبدیل کنید و استخراج داده ها را ساده کنید. ایده آل برای موارد مختلف تجاری، راه حل قدرتمند OCR ما دسترسی به داده ها را افزایش می دهد و بهره وری در برنامه ها را بهبود می بخشد.

تنظیم تبدیل تصویر جدول به متن - Node.js

// Load a scan or photo from user input
const fileData = new Uint8Array(e.target.result);
let filename = file.name;
let stream = Module.FS.open(filename, "w+");
Module.FS.write(stream, fileData, 0, fileData.length, 0);
Module.FS.close(stream);
var input = Module.WasmAsposeOCRInput();
input.url = filename;

// Analyze tabular structures
var settings = Module.WasmAsposeOCRRecognitionSettings();
settings.detect_areas_mode = Module.DetectAreasMode.TABLE;

// Limit the subset of characters to improve recognition accuracy and increase performance
settings.alphabet = "1234567890.,;";

// Extract text from a table
var inputs = new Module.WasmAsposeOCRInputs();
inputs.push_back(input);
var result = Module.AsposeOCRRecognize(inputs, settings);
var editableText = Module.AsposeOCRSerializeResult(result, Module.ExportFormat.text);