با استفاده از Aspose.OCR برای .NET، شما می توانید متن موجود / قابل مشاهده را از تصاویر بخوانید و آن را در برابر یک لیست کلمات کلیدی کنترل شده تأیید کنید - سپس آنچه را که از دست رفته است گزارش دهید. این راهنمای جریان کار را با مراحل دقیق و قابل اجرا که در نهایت با gist مطابقت دارد، به علاوه بهبود های اختیاری برای برنامه ریزی، گزارش و نگهداری افزایش می دهد.
نمونه کامل
پیش شرط
- .NET 8 (یا .NET 6+) SDK نصب شده است.
- NuGet دسترسی به نصب
Aspose.OCR
. - یک پوشه از تصاویر برای حسابرسی (به عنوان مثال،
C:\Path\To\ImageArchive
). - (اختیاری) یک فایل مجوز ASPOSE اگر قصد دارید از محدودیت های ارزیابی فراتر بروید.
ایجاد پروژه و اضافه کردن بسته ها
dotnet new console -n ImageArchiveKeywordAudit -f net8.0
cd ImageArchiveKeywordAudit
dotnet add package Aspose.OCR
مرحله اول: لیست کلمات کلیدی خود را آماده کنید
کلمات کلیدی کانونیک را انتخاب کنید که تصاویر شما باید حاوی آن باشند.در gist، کلمه کلیدی برای سادگی به سختی رمزگذاری می شوند:
// Exact shape used in the gist
List<string> keywords = new List<string>
{
"mountains", "beaches", "forests", "landscape"
};
نوع (اختیاری): کلمات کلیدی را ذخیره کنید keywords.txt
و آن ها را بر روی آن قرار دهید. List<string>
برای اجتناب از جمع آوری.
مرحله 2 - شروع Aspose.OCR و اسکن آرشیو
مطابقت: ایجاد یک موتور OCR، فهرست تصاویر، هر فایل O CR، و بررسی برای حضور کلمات کلیدی.
using System;
using System.Collections.Generic;
using System.IO;
using Aspose.Ocr;
namespace ImageArchiveKeywordAudit
{
class Program
{
static void Main(string[] args)
{
// Path to the image archive directory (edit to your folder)
string imageDirectory = @"C:\Path\To\ImageArchive";
// Keyword list for auditing (matches the gist approach)
List<string> keywords = new List<string>
{
"mountains", "beaches", "forests", "landscape"
};
// Initialize Aspose.OCR API (license is optional)
// new License().SetLicense("Aspose.Total.lic");
using (AsposeOcr api = new AsposeOcr())
{
// Process each JPG in the directory (same filter style as the gist)
foreach (string imagePath in Directory.GetFiles(imageDirectory, "*.jpg"))
{
// Extract text from the image
string extractedText = api.RecognizeImageFile(imagePath);
// Audit the extracted text against the keyword list
bool containsKeywords = AuditText(extractedText, keywords);
// Output the results
Console.WriteLine($"Image: {imagePath} - Contains Keywords: {containsKeywords}");
}
}
}
// Method to audit extracted text against a list of keywords (as in gist)
static bool AuditText(string text, List<string> keywords)
{
foreach (string keyword in keywords)
{
if (text.Contains(keyword, StringComparison.OrdinalIgnoreCase))
{
return true;
}
}
return false;
}
}
}
مرحله 3 - تمدید حسابرسی (اختیاری اما توصیه می شود)
شما می توانید گزارش و فیلتر کردن را در حالی که همان هسته OCR را حفظ می کنید، بهبود ببخشید.
3.A فیلتر چندین نوع تصویر
// Replace the single GetFiles with this multi-pattern approach
string[] patterns = new[] { "*.jpg", "*.jpeg", "*.png", "*.tif", "*.tiff", "*.bmp" };
var imageFiles = new List<string>();
foreach (var pattern in patterns)
imageFiles.AddRange(Directory.GetFiles(imageDirectory, pattern, SearchOption.TopDirectoryOnly));
3.b ضبط کلمات کلیدی مطابقت / از دست رفته
// After OCR:
var matched = new List<string>();
var missing = new List<string>();
foreach (var k in keywords)
(extractedText.IndexOf(k, StringComparison.OrdinalIgnoreCase) >= 0 ? matched : missing).Add(k);
Console.WriteLine($"Image: {Path.GetFileName(imagePath)} | Matched: [{string.Join(", ", matched)}] | Missing: [{string.Join(", ", missing)}]");
3.c نوشتن یک گزارش CSV
string reportPath = Path.Combine(imageDirectory, "audit-report.csv");
bool writeHeader = !File.Exists(reportPath);
using (var sw = new StreamWriter(reportPath, append: true))
{
if (writeHeader)
sw.WriteLine("Image,ContainsKeywords,Matched,Missing");
sw.WriteLine($"\"{Path.GetFileName(imagePath)}\",{matched.Count > 0},\"{string.Join(";", matched)}\",\"{string.Join(";", missing)}\"");
}
مرحله 4 – از PowerShell یا Batch اجرا کنید
ایجاد یک PowerShell Runner ساده run-audit.ps1
:
# Adjust paths as needed
$solutionRoot = "C:\Path\To\ImageArchiveKeywordAudit"
$imageDir = "C:\Path\To\ImageArchive"
# Build and run
dotnet build "$solutionRoot" -c Release
& "$solutionRoot\bin\Release\net8.0\ImageArchiveKeywordAudit.exe"
اختیاری: اگر برنامه را برای پذیرش استدلال ها تغییر دهید، آن را به صورت زیر اجرا کنید:ImageArchiveKeywordAudit.exe "C:\Images" "C:\keywords.txt"
مرحله 5 – برنامه بازنگری مجدد (Windows Task Scheduler)
استفاده schtasks
هر روز در ساعت 2 صبح:
schtasks /Create /TN "ImageKeywordAudit" /TR "\"C:\Path\To\ImageArchiveKeywordAudit\bin\Release\net8.0\ImageArchiveKeywordAudit.exe\"" /SC DAILY /ST 02:00
ثبت نام با وارد کردن دستور در یک .cmd
که به stdout/stderr هدایت می کند:ImageArchiveKeywordAudit.exe >> C:\Path\To\Logs\audit-%DATE%.log 2>&1
بهترین شیوهها
- **منبع کلمات کلیدی کانونیک را حفظ کنید.**فهرست خود را در Git یا CMDB ذخیره کنید؛ به صورت سه ماهه مورد بررسی قرار دهید.
- تصویر OCR را به طور معمول تنظیم کنید. قبل از مطابقت، فضای سفید، هیفن های یکنواخت و چشمه های Unicode را بشویید.
- ** عملکرد تن.** بسته بندی با پوشه ها؛ اضافه کردن موازیسم تنها پس از اندازه گیری I/O و CPU.
- کیفیت در، کیفیت بیرون. اسکن های تمیز (تخلیه / دایناسور) به طور قابل توجهی نرخ بازی را افزایش می دهد.
- ** محدوده حسابرسی.** در نظر گرفتن مجموعه های کلمات کلیدی جداگانه در هر مجموعه (به عنوان مثال، “landscape”، “product”, “forms”).
- تعقیب پذیری. گزارش های CSV را با شاخص های زمانی حفظ کنید تا تاریخچه را تغییر دهید و به سرعت از بین ببرید.
Troubleshooting
- ** خروجی خالی OCR:** جهت گیری تصویر و کنتراست را بررسی کنید؛ فرمت دیگری را امتحان کنید (
*.png
,*.tif
). - نگرش های نادرست: گزینه های چندگانه یا صوتی یا همگن ها را به لیست خود اضافه کنید (به عنوان مثال، “بایچ” یا “بیچ”).
- مشکلات خروجی: محدود کردن اجراهای همزمان؛ اجتناب از اسکن سهام شبکه از طریق لینک های آهسته.