Tesseract OCR 使用技術 【springboot】

Tesseract 是一個 OCR 庫, Tesseract 是目前公認最優秀、最精確的開源 OCR 系統，除了極高的精確度，Tesseract 也具有很高的靈活性。它可以通過訓練識別出任何字體，也可以識別出任何 Unicode 字符。

1. 安裝Tesseract-OCR

   1. 1 首先根據需求下載需要的Tesseract版本,3.0以上支持中文，本文以 爲例

   Tesseract下載：https://digi.bib.uni-mannheim.de/tesseract/

   1.1.1 下載完畢後運行 .exe 文件，按提示進行安裝 ；假設安裝位置爲： “D:\Program Files\Tesseract-OCR”

   1.1.2 增加系統變量 TESSDATA_PREFIX ，值爲Tesseract-OCR 文件中的 tessdata 路 徑；此處爲 “D:\Program Files\Tesseract-OCR”

   1.1.3 在 cmd 中輸入 tesseract -v ，能正常顯示版本信息則安裝成功

   1.1.4 下載對應版本的字庫

   1.1.5 字庫地址：https://tesseract-ocr.github.io/tessdoc/Data-Files

   1.1.6 下載簡體中文字庫 chi_sim.traineddata ，英文字庫 eng.traineddata默認自帶了不需要下載

   1.1.7 將文件放到 tessdata 文件夾中

2. 在springboot中使用

   2.1 引入依賴

   <dependency>
     <groupId>net.sourceforge.tess4j</groupId>
     <artifactId>tess4j</artifactId>
     <version>5.6.0</version>
   </dependency>
   

   2.2 示例代碼

  public boolean dosoc(String fileName) throws TesseractException, IOException {
      try {
        File file = new File(fileName);
        Tesseract tesseract = new Tesseract();
        tesseract.setDatapath("D:\\Program Files\\Tesseract-OCR\\tessdata");
        tesseract.setLanguage("chi_sim");
        String result = tesseract.doOCR(file);
        writeObj(result);
        return true;
      } catch (Exception e) {
        e.printStackTrace();
        return false;
      }
    }

public void writeObj(String result) throws IOException {
      String newFileName = "F:\\demo1\\result1.txt";
      try {
        // 防止文件建立或讀取失敗，用catch捕捉錯誤並打印，也可以throw
        /* 寫入Txt文件 */
        File writename = new File(newFileName);// 相對路徑，如果沒有則要建立一個新的output。txt文件
        writename.createNewFile(); // 創建新文件
        BufferedWriter out = new BufferedWriter(new FileWriter(writename, true));
        out.write(result);

        System.out.println("寫入成功！");
        out.flush(); // 把緩存區內容壓入文件
        out.close(); // 最後記得關閉文件

      } catch (Exception e) {
        e.printStackTrace();
      }

    }

如果是圖片字符串base六十四加密的

   Tesseract tesseract = new Tesseract();
    tesseract.setDatapath("D:\\Program Files\\Tesseract-OCR\\tessdata");
    tesseract.setLanguage("chi_sim");
    byte[] decode = base六十四.decode(aa);
    ByteArrayInputStream in = new ByteArrayInputStream(decode); //將b作爲輸入流；
    try {
      BufferedImage image = ImageIO.read(in); //將in作爲輸入流
      String result = tesseract.doOCR(image);
      System.out.println(result);
    } catch (IOException | TesseractException e) {
      throw new RuntimeException(e);
    }