OCR提取相关统一信用代码、识别身份证信息

本文链接：https://blog.csdn.net/bojikeqian/article/details/146310901

两个方法目前只是雏形，能获取关键信息，后续打算分开拓展，目前手机拍照的光线正常的也可识别出来

先引用maven

        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>5.9.0</version>
        </dependency>

方法调用

import net.sourceforge.tess4j.*;
import org.springframework.web.multipart.MultipartFile;

import java.io.File;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.StandardCopyOption;

public class ReadIDCardFromImage {


    public static String getTessdataPath() throws IOException {
        // 创建临时目录
        Path tempDir = Files.createTempDirectory("tessdata");
        // 获取类加载器
        ClassLoader classLoader = ReadIDCardFromImage.class.getClassLoader();
        // 定义需要复制的文件列表
        String[] resourceNames = new String[]{"chi_sim.traineddata", "eng.traineddata"};
        for (String resourceName : resourceNames) {
            // 获取资源的 URL
            URL resource = classLoader.getResource("tessdata/" + resourceName);
            if (resource != null) {
                try (InputStream inputStream = resource.openStream()) {
                    // 解析目标路径
                    Path targetPath = tempDir.resolve(resourceName);
                    // 复制文件
                    Files.copy(inputStream, targetPath, StandardCopyOption.REPLACE_EXISTING);
                }
            }
        }
        return tempDir.toString();
    }


    public static String getIdCardNumber(MultipartFile multipartFile, String type) {
        String resultNumber = "";
        if (multipartFile == null || multipartFile.isEmpty()) {
            System.err.println("上传的文件为空，请检查。");
            return resultNumber;
        }
        try {
            // 设置 Tesseract 数据路径
            ITesseract tesseract = new Tesseract();
            // 获取 tessdata 路径
            String dataPath = getTessdataPath();
            tesseract.setDatapath(dataPath);
            System.out.println("设置的 tessdata 路径: " + dataPath);
            // 设置识别语言
            tesseract.setLanguage("chi_sim+eng");
            // 创建临时文件
            File imageFile = File.createTempFile("temp", null);
            // 将上传的文件内容写入临时文件
            Files.write(imageFile.toPath(), multipartFile.getBytes());
//            File imageFile = new File("D:\\tx\\comcard.png");
            if (!imageFile.exists()) {
                System.err.println("图片文件不存在，请检查路径。");
                return resultNumber;
            }
            // 执行 OCR 识别
            String result = tesseract.doOCR(imageFile);
            System.out.println(result);
            if ("1".equals(type)) {
                // 身份证识别
                resultNumber = IDCardOptimizer.optimizeIDCardNumber(result.trim());
            } else {
                // 营业执照识别
                resultNumber = CreditCodeOptimizer.optimizeCreditCode(result.trim());
            }
            // 标记临时文件在 JVM 退出时删除  TODO上线要放开
              imageFile.deleteOnExit();

        } catch (Exception e) {
            System.err.println("OCR 识别出错: " + e.getMessage());
        }
        return resultNumber;
    }

/*    public static void main(String[] args) {
        System.out.println(getIdCardNumber(null,"2"));
    }*/
}

识别个人身份证工具类
import java.util.HashMap;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class IDCardOptimizer {

// 混淆字符映射表
private static final Map<Character, Character> CONFUSION_MAP = new HashMap<Character, Character>() {{
    put('I', '1');
    put('丨', '1');
    put('l', '1');
    put('O', '0');
    put('○', '0');
    put('Z', '2');
    put('S', '5');
    put('s', '5');
    put('B', '8');
    put('%', 'X');
    put('x', 'X');
    put('g', '9');
    put('b', '8');
    put('T', '7');
    put('t', '7');
}};

/**
 * 从 OCR 文本中提取并校正身份证号码
 * @param ocrText OCR 识别出的原始文本
 * @return 校正后的有效身份证号码，若无合法号码返回 null
 */
public static String optimizeIDCardNumber(String ocrText) {
    // 先进行全局字符替换
    String replacedText = replaceConfusionChars(ocrText);

    // 1. 提取候选号码
    String rawNumber = extractRawIDCardNumber(replacedText);
    if (rawNumber == null) {
        System.out.println("未从文本中提取到候选身份证号码。");
        return null;
    }
    System.out.println("提取到的原始号码: " + rawNumber);

    // 2. 基础字符替换
    String normalizedNumber = normalizeChars(rawNumber);
    System.out.println("基础字符替换后的号码: " + normalizedNumber);

    // 3. 校验码验证与智能修正
    return validateAndCorrect(normalizedNumber);
}

// 从文本中提取 18 位候选身份证号码
private static String extractRawIDCardNumber(String text) {
    // 正则表达式匹配 18 位身份证号码
    Pattern pattern = Pattern.compile("(\\d{17}[0-9Xx])");
    Matcher matcher = pattern.matcher(text);
    return matcher.find() ? matcher.group(1) : null;
}

// 字符标准化处理
private static String normalizeChars(String rawNumber) {
    StringBuilder sb = new StringBuilder();
    for (char c : rawNumber.toUpperCase().toCharArray()) {
        sb.append(CONFUSION_MAP.getOrDefault(c, c));
    }
    return sb.toString();
}

// 校验与智能修正
private static String validateAndCorrect(String number) {
    if (number.length() != 18) {
        System.out.println("号码长度不为 18 位，无法进行校验。");
        return null;
    }

    // 直接验证通过
    if (validateCheckDigit(number)) {
        System.out.println("号码直接验证通过。");
        return number;
    }

    // 生成候选修正方案
    String[] candidates = generateCandidates(number);

    for (String candidate : candidates) {
        if (validateCheckDigit(candidate)) {
            System.out.println("找到有效的修正方案: " + candidate);
            return candidate;
        }
    }
    System.out.println("未找到有效的修正方案。");
    return null;
}

// 生成候选修正方案
private static String[] generateCandidates(String number) {
    String[] candidates = new String[18];
    // 重新计算校验位
    candidates[0] = number.substring(0, 17) + calculateCheckDigit(number.substring(0, 17));
    // 尝试替换每一位
    for (int i = 0; i < 17; i++) {
        String baseChars = "0123456789";
        for (char c : baseChars.toCharArray()) {
            String candidate = number.substring(0, i) + c + number.substring(i + 1, 17) + calculateCheckDigit(number.substring(0, i) + c + number.substring(i + 1, 17));
            if (!candidate.equals(number)) {
                candidates[i + 1] = candidate;
                break;
            }
        }
    }
    return candidates;
}

/**
 * 身份证号码校验码验证
 * @param number 待验证号码（必须 18 位）
 * @return 是否通过校验
 */
public static boolean validateCheckDigit(String number) {
    if (number == null || number.length() != 18) return false;

    int[] weights = {7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2};
    char[] checkCodes = {'1', '0', 'X', '9', '8', '7', '6', '5', '4', '3', '2'};

    int sum = 0;
    for (int i = 0; i < 17; i++) {
        int digit = Character.getNumericValue(number.charAt(i));
        sum += digit * weights[i];
    }

    int index = sum % 11;
    return number.charAt(17) == checkCodes[index];
}

// 计算校验位
private static char calculateCheckDigit(String first17) {
    int[] weights = {7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2};
    char[] checkCodes = {'1', '0', 'X', '9', '8', '7', '6', '5', '4', '3', '2'};

    int sum = 0;
    for (int i = 0; i < 17; i++) {
        int digit = Character.getNumericValue(first17.charAt(i));
        sum += digit * weights[i];
    }

    int index = sum % 11;
    return checkCodes[index];
}

// 全局替换混淆字符
private static String replaceConfusionChars(String text) {
    StringBuilder sb = new StringBuilder();
    for (char c : text.toCharArray()) {
        sb.append(CONFUSION_MAP.getOrDefault(c, c));
    }
    return sb.toString();
}

// 使用示例
public static void main(String[] args) {
    String ocrText = "公 民 身 份 号 码 xxxxxxxxxx";
    String result = optimizeIDCardNumber(ocrText);
    System.out.println("原始识别: xxxxxxxxxxxx%");
    System.out.println("优化结果: " + result);
}

识别统一信用代码工具类

import java.util.HashMap;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class CreditCodeOptimizer {

    // 混淆字符映射表
    private static final Map<Character, Character> CONFUSION_MAP = new HashMap<Character, Character>() {{
        put('I', '1');
        put('丨', '1');
        put('l', '1');
        put('O', '0');
        put('○', '0');
        put('Z', '2');
        put('S', '5');
        put('B', '8');
    }};

    /**
     * 从OCR文本中提取并校正统一社会信用代码
     * @param ocrText OCR识别出的原始文本
     * @return 校正后的有效信用代码，若无合法代码返回null
     */
    public static String optimizeCreditCode(String ocrText) {
        // 1. 提取候选代码
        String rawCode = extractRawCode(ocrText);
        if (rawCode == null) {
            System.out.println("未从文本中提取到18位候选代码。");
            return null;
        }
        System.out.println("提取到的原始代码: " + rawCode);
        // 2. 基础字符替换
        String normalizedCode = normalizeChars(rawCode);
        System.out.println("基础字符替换后的代码: " + normalizedCode);

        // 3. 校验码验证与智能修正
        return validateAndCorrect(normalizedCode);
    }

    // 从文本中提取18位候选代码
    private static String extractRawCode(String text) {
        // 更灵活的正则表达式，可匹配多种可能的格式
        Pattern pattern = Pattern.compile("[159Y][1-9A-NP-Z][0-9]{6}[0-9A-Z]{9}[0-9A-Z]");
        Matcher matcher = pattern.matcher(text);
        return matcher.find() ? matcher.group() : null;
    }

    // 字符标准化处理
    private static String normalizeChars(String rawCode) {
        StringBuilder sb = new StringBuilder();
        for (char c : rawCode.toUpperCase().toCharArray()) {
            sb.append(CONFUSION_MAP.getOrDefault(c, c));
        }
        return sb.toString();
    }

    // 校验与智能修正
    private static String validateAndCorrect(String code) {
        if (code.length() != 18) {
            System.out.println("代码长度不为18位，无法进行校验。");
            return null;
        }

        // 直接验证通过
        if (validateCheckDigit(code)) {
            System.out.println("代码直接验证通过。");
            return code;
        }

        // 生成更多候选修正方案
        String[] candidates = generateCandidates(code);

        for (String candidate : candidates) {
            if (validateCheckDigit(candidate)) {
                System.out.println("找到有效的修正方案: " + candidate);
                return candidate;
            }
        }
        System.out.println("未找到有效的修正方案。");
        return null;
    }

    // 生成候选修正方案
    private static String[] generateCandidates(String code) {
        String[] candidates = new String[19];
        // 重新计算校验位
        candidates[0] = code.substring(0, 17) + calculateCheckDigit(code.substring(0, 17));
        // 尝试替换每一位
        for (int i = 0; i < 17; i++) {
            String baseChars = "0123456789ABCDEFGHJKLMNPQRTUWXY";
            for (char c : baseChars.toCharArray()) {
                String candidate = code.substring(0, i) + c + code.substring(i + 1, 17) + calculateCheckDigit(code.substring(0, i) + c + code.substring(i + 1, 17));
                if (!candidate.equals(code)) {
                    candidates[i + 1] = candidate;
                    break;
                }
            }
        }
        return candidates;
    }

    /**
     * GB 32100-2015 校验码验证
     * @param code 待验证代码（必须18位）
     * @return 是否通过校验
     */
    public static boolean validateCheckDigit(String code) {
        if (code == null || code.length() != 18) return false;

        int[] weights = {1, 3, 9, 27, 19, 26, 16, 17, 20, 29, 25, 13, 8, 24, 10, 30, 28};
        String charMap = "0123456789ABCDEFGHJKLMNPQRTUWXY";

        int sum = 0;
        for (int i = 0; i < 17; i++) {
            int value = charMap.indexOf(code.charAt(i));
            if (value == -1) return false;
            sum += value * weights[i];
        }

        int checkValue = (31 - (sum % 31)) % 31;
        return code.charAt(17) == charMap.charAt(checkValue);
    }

    // 计算校验位
    private static char calculateCheckDigit(String first17) {
        int[] weights = {1, 3, 9, 27, 19, 26, 16, 17, 20, 29, 25, 13, 8, 24, 10, 30, 28};
        String charMap = "0123456789ABCDEFGHJKLMNPQRTUWXY";

        int sum = 0;
        for (int i = 0; i < 17; i++) {
            sum += charMap.indexOf(first17.charAt(i)) * weights[i];
        }
        return charMap.charAt((31 - (sum % 31)) % 31);
    }

    // 使用示例
    public static void main(String[] args) {
        String ocrText = "xxxxxxxxxxxx二 | [ `禽…二工`霰′_( 3 荸 需董蓁辞_ @ '".trim();
        String result = optimizeCreditCode(ocrText);
        System.out.println("原始识别: xxxxxxxxxxxx");
        System.out.println("优化结果: " + result);
    }
}