Java 如何从图片上提取文字

生活中我们可能会遇到想从图片上直接复制上边的文字，该如何获取呢，接下来看看如何使用Java程序实现从图片中读取文字。

实现过程

1、引入Tess4J 依赖

<!--Tess4J 依赖-->
<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>5.12.0</version>
 </dependency>

2、下载字体库
https://github.com/tesseract-ocr/tessdata
3、核心代码

	// imagePath为图片路径，language为识别语言
    public String getWordFromImage(String imagePath, String language) {
        //创建Tesseract对象
        ITesseract tesseract = new Tesseract();
        //设置字体库路径
        tesseract.setDatapath("E:\\xxxx\\traineddata");
        //设置识别语言 chi_sim/eng
        tesseract.setLanguage(language);
        //执行ocr识别
        String result = null;
        try {
            result = tesseract.doOCR(new File(imagePath));
        } catch (TesseractException e) {
            log.error("识别有误",e);
        }
        return result;
    }

错误处理

Please make sure the TESSDATA_PREFIX environment variable is set to your “tessdata” directory

出现这个问题的原因是设置字体库路径时，路径中包含中文无法识别，需要把字体库放到一个全英文的路径下即可

ITesseract tesseract = new Tesseract();
//设置字体库路径
tesseract.setDatapath("E:\\xxx\\xxx\\traineddata");

这里的路径不可以包含中文，不然读取不到