Java使用Tess4j实现对于图片（jpg/png/jpeg）内容的提取

最新推荐文章于 2024-05-14 03:44:00 发布

Aqua️

最新推荐文章于 2024-05-14 03:44:00 发布

阅读量645

点赞数 11

分类专栏： Java实现各种文件内容的识别技术文章标签： java linux

本文链接：https://blog.csdn.net/qq_58421753/article/details/138068625

版权

Java实现各种文件内容的识别技术专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文详细介绍了如何在Windows和Linux系统中使用TesseractOCR库进行图像文字识别，包括依赖管理、网络资源处理、文件操作以及在不同环境下的Tesseract配置和代码实现。

摘要由CSDN通过智能技术生成

1.Windows使用

1.引入依赖

<dependency>
   <groupId>net.sourceforge.tess4j</groupId>
   <artifactId>tess4j</artifactId>
   <version>4.5.5</version>
</dependency>

<dependency>
   <groupId>org.apache.lucene</groupId>
   <artifactId>lucene-core</artifactId>
   <version>8.11.1</version> <!-- 版本号根据您的实际需求进行调整 -->
</dependency>

<dependency>
   <groupId>org.apache.ant</groupId>
   <artifactId>ant</artifactId>
   <version>1.10.11</version>
</dependency>

2.代码实现

try {
    //创建一个网络资源对象
     URL image = new URL(url);
     //创建文件对象
     File file = new File("命名一个临时文件");
     //将网络资源文件对象中的内容复制到文件中
     FileUtils.copyURLToFile(image, file);
     //创建Tesseract识别对象
     Tesseract tesseract = new Tesseract();
     tesseract.setDatapath("训练库地址");
     //设置识别语言,对应训练库名称
     tesseract.setLanguage("chi_sim");
     String result;
     BufferedImage imageRead = ImageIO.read(file);
     result = tesseract.doOCR(imageRead);
     stringContent.append(result);
     file.delete();
     } catch (IOException e) {

     } catch (TesseractException e) {

     }

2.Linux使用

1.在linux系统上安装Tesseract

参靠下面博主的文章

【tesseract】Linux环境安装tesseract教程（一）_linux tesseract-CSDN博客

2.程序中拷贝生成so文件

将下面文件夹中的这两个文件拷贝到Java程序中resource下的linux-x86-64文件夹中

3.程序中使用同windows一样的依赖

4.代码实现

try {
    //创建一个网络资源对象
     URL image = new URL(url);
     //创建文件对象
     File file = new File("命名一个临时文件");
     //将网络资源文件对象中的内容复制到文件中
     FileUtils.copyURLToFile(image, file);
     //创建Tesseract识别对象
     Tesseract tesseract = new Tesseract();
     //linux环境
     //安装Tessercat的时候,将这个路径配置在环境变量中了
     String dataPath = System.getenv("TESSDATA_PREFIX");
     tesseract.setDatapath(dataPath);
     //设置识别语言,对应训练库名称
     tesseract.setLanguage("chi_sim");
     String result;
     BufferedImage imageRead = ImageIO.read(file);
     result = tesseract.doOCR(imageRead);
     stringContent.append(result);
     file.delete();
     } catch (IOException e) {

     } catch (TesseractException e) {

     }