tesseract-ocr识别图片验证码

---

前言

website通常需要输入用户名、密码和验证码。本节内容基于tesseract-ocr，提供一个验证码图片内容获取的示例。

---

一、tesseract-ocr环境准备

1. 前往静态资源站点下载响应的软件版本

tesseract资源站点

2. tesseract-orc项目地址，可查看项目详细信息

tesseract-ocr项目地址

3. 本地安装软件并配置环境

软件包下载完成后，直接点击命令默认安装就行。安装完成后需要配置TESSDATA_PREFIX环境变量，这个变量是设置tesseract安装目录下tessdata的目录位置。

二、标签内容转图片（以base64为例）

1.将标签中的内容转为图片

此处要注意src源文件格式类型，分类型生成对应格式的图片，不然会出现格式问题。

   /**
     * 将<img src="source"/> 中的"source"内容转换为图片
     * <strong>
     * "source"内容基于Base64格式编码
     * </strong>
     *
     * @param imgSource
     * @return
     */
    public static File imgSource2File(String imgSource) {
        String source = imgSource.replace("data:image/jpg;base64,", "");
        log.info("替换格式信息后的图片数据：{}", source);
        File imgFile = new File("验证码图片.jpeg");
        byte[] buff = DatatypeConverter.parseBase64Binary(source);

        try (FileOutputStream fops = new FileOutputStream(imgFile)) {
            fops.write(buff);
        } catch (IOException e) {
            e.printStackTrace();
        }
        return imgFile;
    }

2.将图片中的内容使用ocr识别出来

 /**
     * 识别图片内容
     * OCR工具对象，及初始化参照：{@linkplain TESS_OCR_INSTANCE}
     *
     * @param imgFile
     * @return
     * @throws TesseractException
     */
    public static String ocr(File imgFile) throws TesseractException {
        String result = TESS_OCR_INSTANCE.doOCR(imgFile);
        log.info("ocr识别出的内容：{}", result);
        return result;
    }

3. 如果验证码为算术表达式，可以用如下方法计算

/**
     * 算数表达式计算
     *
     * @param expression
     * @return
     */
    public static String cal(String expression) throws ScriptException {
        return String.valueOf(SCRIPT_ENGINE.eval(expression));
    }

4. rest-API图片识别接口及postman请求示例

/**
     * 图片内容识别
     *
     * @param jpegContent
     * @return
     * @throws TesseractException
     */
    @PostMapping("/jpeg")
    public String jpegOcr(@RequestBody String jpegContent) throws TesseractException {
        log.info("传入的图片内容为：{}", jpegContent);
        File imgFile = OcrUtil.imgSource2File(jpegContent);
        return OcrUtil.ocr(imgFile);
    }

---

总结

通过以上步骤，可以实现网站验证码图片内容正常识别。demo全部源码请参见源码包。
demo中的maven依赖如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.tesseract.ocr.demo</groupId>
    <artifactId>tesseract-ocr</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>tesseract-ocr</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
        <spring-boot.version>2.6.13</spring-boot.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

        <!--tesseract-ocr-->
        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>5.7.0</version>
        </dependency>

    </dependencies>
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-dependencies</artifactId>
                <version>${spring-boot.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.8.1</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <version>${spring-boot.version}</version>
                <configuration>
                    <mainClass>com.tesseract.ocr.demo.tesseractocr.TesseractOcrApplication</mainClass>
                    <skip>true</skip>
                </configuration>
                <executions>
                    <execution>
                        <id>repackage</id>
                        <goals>
                            <goal>repackage</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

</project>