- [2.3.5 实测](#235__187)
1.简介
1.1 简单介绍
Lept4J和Tess4J都是基于Tesseract OCR引擎的Java接口,可以用来识别图像中的文本:
- 前者是Leptonica图像处理库的Java封装,提供了图像的加载、处理、分析等功能。
- 后者是Tesseract OCR引擎的Java封装,提供了图像的OCR识别、PDF文档的生成等功能。
Lept4J和Tess4J的区别在于,Lept4J主要负责图像的预处理,而Tess4J主要负责图像的后处理,特点分别是:
- Lept4J支持多种图像格式,可以进行图像的缩放、旋转、裁剪、二值化、降噪等操作,提高图像的质量和识别率。
- Tess4J支持多种语言的识别,可以生成文本、HTML、PDF等格式的输出,提供了多种识别模式和参数设置,满足不同的需求。
根据具体场景和需求,可以选择使用Lept4J或Tess4J,或者结合使用两者,以达到最佳的效果。
1.2 官方说明
官网:https://tess4j.sourceforge.net/
描述:A Java JNA wrapper for Tesseract OCR API.Tess4J is released and distributed under the Apache License, v2.0 and is also available from Maven Central Repository.
特性:The library provides optical character recognition (OCR) support for:
- TIFF, JPEG, GIF, PNG, and BMP image formats
- Multi-page TIFF images
- PDF document format
2.使用举例
2.1 依赖及语言数据包
<!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>5.9.0</version>
</dependency>
语言数据包下载地址:https://github.com/tesseract-ocr/tessdata
2.2 核心代码
/\*\*
\* 识别图片字符信息
\*
\* @param imagePath 图片路径
\*/
private static String recognitionString(String imagePath) {
File imageFile = new File(imagePath);
ITesseract instance = new Tesseract();
// 1.语言数据包路径
instance.setDatapath("tessdata");
// 2.加载语言文件名称
instance.setLanguage("chi\_sim");
String result = "";
try {
result = instance.doOCR(imageFile);
} catch (TesseractException e) {
e.printStackTrace();
}
return result;
}
2.3 识别身份证信息
2.3.1 核心代码
/\*\*
\* 识别身份证信息
\*
\* @param imagePath 图片路径
\*/
private static Map<String, Object> recognitionIdentityCardInfo(String imagePath) {
Map<String, Object> res = new HashMap<>(2);
// 识别图片
File imageFile = new File(imagePath);
BufferedImage bufferedImage = null;
try {
bufferedImage = ImageIO.read(imageFile);
} catch (IOException e) {
e.printStackTrace();
}
ITesseract instance = new Tesseract();
instance.setDatapath("tessdata");
instance.setLanguage("chi\_sim");
List<Word> words = instance.getWords(bufferedImage, 1);
// 获取姓名
int nameLineIndex = 0;
if (words.size() > nameLineIndex) {
res.put("name", getStringByIndex(words.get(0).getText(), 2));
}
// 获取性别和民族
int genderAndNationLineIndex = 1;
if (words.size() > genderAndNationLineIndex) {
res.put("gender", getStringByIndex(words.get(1).getText(), 2, 1));
res.put("nation", removeNonChinese(getStringByIndex(words.get(1).getText(), 5, -1)));
}
// 获取出生日期
int birthLineIndex = 2;
if (words.size() > birthLineIndex) {
res.put("birth", extractBirthDate(getStringByIndex(words.get(2).getText(), 2)));
}
// 获取住址
int addressLineIndex = 3;
if (words.size() > addressLineIndex) {
res.put("address", getStringByIndex(words.get(3).getText(), 2).replace("/", ""));
}
// 获取身份证号码
int noLineIndex = 4;
if (words.size() > noLineIndex) {
res.put("no", getStringByIndex(words.get(4).getText(), 7));
}
return res;
}
2.3.2 截取指定字符
/\*\*
\* 截取指定字符
\*
\* @param inputString 字符串
\* @param indexStart 开始Index
\* @return 截取的字符串
\*/
private static String getStringByIndex(String inputString, int indexStart) {
return getStringByIndex(inputString, indexStart, -1);
}
/\*\*
\* 截取指定字符
\*
\* @param inputString 字符串
\* @param indexStart 开始Index
\* @param size 截取的字符个数
\* @return 截取的字符串
\*/
private static String getStringByIndex(String inputString, int indexStart, int size) {
// 去除字符串两端的空白字符
String trimmedString = inputString.trim();
// 将字符串以空白字符分割
StringBuilder res = new StringBuilder();
String[] words = trimmedString.split("\\s+");
int length = words.length;
int contentSize = indexStart + size;
if (length > indexStart) {
int index = length;
if (size > 0 && length > contentSize) {
index = contentSize;
}
for (int i = indexStart; i < index; i++) {
res.append(words[i]);
}
}
return res.toString();
}
2.3.3 去掉字符串里的非中文字符
/\*\*
\* 去掉字符串里的非中文字符
\*
\* @param inputString 字符串
\* @return 中文字符串
\*/
private static String removeNonChinese(String inputString) {
// 匹配非汉字字符的正则表达式
String regex = "[^\u4E00-\u9FA5]";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(inputString);
// 替换非汉字字符为空格
return matcher.replaceAll("");
}
2.3.4 提取出生日期(待优化)
/\*\*
\* 提取出生日期
\*
\* @param inputString 字符串
\* @return 出生日期
\*/
private static String extractBirthDate(String inputString) {
// 匹配日期格式的正则表达式
String regex = "(\\d{4}年\\d{2}月\\d{2}日)";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(inputString);
// 提取匹配到的日期
if (matcher.find()) {
return matcher.group(1);
} else {
return "未找到日期";
}