Tesseract.js离线识别图片中的文字

从官网下载Tesseract.js的离线版本

https://github.com/jeromewu/tesseract.js-offline

初始化

• 解压下载文件
• 使用cmd命令行进入解压的文件夹（tesseract.js-offline-master），使用命令下载安装相关包

  npm install
  

• 下载安装完成后，该目录文件夹下多了一个名为node_modules的文件夹，这个文件夹下的东西就是刚刚安装下载的东西，其中包含了所有文字识别需要的组件及库。

下载中文识别包

1. tesseract.js的语言包下载地址为：https://github.com/naptha/tessdata/tree/gh-pages/4.0.0
2. 进入该网址，下载对应的中文语言包，具体名称为chi_sim.traineddata.gz
3. 下载完成后，将该文件放到tesseract.js-offline-master\lang-data文件夹下，该文件夹存放了所有语言识别包文件。

修改代码

仿照英文示例（tesseract.js-offline-master\browser\index.html），修改相应的代码，实现识别中文

运行程序

npm run start

• 这时服务器已经启动，在浏览器中输入http://localhost:3000/browser/index.chi_sim.html
• 打开控制台，查看识别结果

参考文章

深度学习——使用Tesseract.js在浏览器离线识别图片中的文字