JAVA实现文字识别

1. 下载语言包
   https://tesseract-ocr.github.io/tessdoc/Data-Files
   chi_sim.traineddata中文语言包
2. 使用
   2.1 maven

	<dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>4.1.1</version>
        </dependency>

2.2 使用

   public class Main {

    /**
     * 识别图片中的文字
     * @param args
     */
    public static void main(String[] args) throws TesseractException {
        //读取文件
        List<File> pngFiles = getPngFiles("D:\\test");
        //识别图片
        List<String> textList = scanPNG(pngFiles);
        // 打印
        textList.forEach(System.out :: println);
    }

    /**
     * 获取文件夹下的所有PNG图片
     * @param directoryPath
     * @return
     */
    public static List<File> getPngFiles(String directoryPath) {
        List<File> pngFiles = new ArrayList<>();

        File directory = new File(directoryPath);
        File[] files = directory.listFiles();

        if (files != null) {
            for (File file : files) {
                if (file.isFile() && file.getName().endsWith(".png")) {
                    pngFiles.add(file);
                }
            }
        }

        return pngFiles;
    }

    /**
     * 将所有图片文件进行文件识别
     * @param pngFiles
     * @return
     * @throws TesseractException
     */
    public static List<String> scanPNG(List<File> pngFiles) throws TesseractException {
        //创建实例
        ITesseract tesseract = new Tesseract();

        //设置字体库路径
        tesseract.setDatapath("D:\\test");

        //设置语言 -->简体中文
        tesseract.setLanguage("chi_sim");

        List<String> ans = new ArrayList<>();
        for (File pngFile : pngFiles) {
            String result = tesseract.doOCR(pngFile);
            ans.add(result);
        }
        return ans;
    }

}