验证码识别 java_Java 验证码识别库 Tess4j 学习

Java 验证码识别库 Tess4j学习

【在用java的Jsoup做爬虫爬取数据时遇到了验证码识别的问题(基于maven)，找了网上挺多的资料，发现Tess4j可以自动识别验证码，在这里简单记录下学习过程及遇到的一些问题。】

步骤：

需要在步骤一的tessdata文件中加入相关语言包(训练文件)，在这里下载：https://github.com/tesseract-ocr/tessdata ，如果是简单的英文数字验证码，下载 eng.traineddata然后放到文件夹里即可，中文的是chi开头的traineddata。

导入相关依赖，maven相关依赖如下：

junit

junit

3.8.1

test

net.java.dev.jna

jna

4.2.1

net.sourceforge.tess4j

tess4j

4.1.1

com.sun.jna

jna

4，编写相关代码(自测可正常运行)：

packageyanZhengMaTest.pikachu;importjava.io.File;importnet.sourceforge.tess4j.Tesseract;importnet.sourceforge.tess4j.TesseractException;public classTest {public static voidmain(String[] args) {//验证码图片存储地址

File imageFile = new File("C:\\Users\\pc\\Desktop\\1.gif");if(!imageFile.exists()){

System.out.println("图片不存在");;

}

Tesseract tessreact= newTesseract();

tessreact.setDatapath("F:\\Program Files (x86)\\Tesseract-OCR\\tessdata");

String result;try{

result= "测验结果：" +tessreact.doOCR(imageFile);

System.out.println(result);

}catch(TesseractException e) {

e.printStackTrace();

}

}

}

出现异常及处理：

(本人因为开始的时候没用maven导入依赖，自己去下载了各种网上要的jar包去导入，遇到了一堆问题，最后卡在了Invalid memory access这个异常上，后来通过换成maven项目并解决了异常)

A.【Exception in thread "main" java.lang.Error: Invalid memory access：】

如果出现类似于 Invalid memory access的异常

(1). 首先你先确定JAVA代码中：

tessreact.setDatapath("F:\\Program Files (x86)\\Tesseract-OCR\\tessdata");

这里的地址要填你步骤一下载的tessdata文件夹地址。

(2). 如果地址无误，那可能是你tess4j依赖的版本太低，需重新导入依赖，在pom中修改即可。

B.【Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract：】

发生该异常的原因是JDK版本低于1.7，使用1.7以上即可解决问题。

C.【出现图片非法异常】：可能是你图片有问题，换张图片试试，下载的图片不要去修改它的后缀，否则也可能报错。

痛的领悟：

不要直接用java项目自己去导入相关jar包，直接用maven项目去加入依赖包就好，否则可能会出现一堆莫名其妙的异常，个人觉得是因为maven项目依赖包导入时还会导入其他jar包，java项目则需要自己去补增一些jar包，在此建议用maven。

附：

可识别验证码示例：http://es.bnuz.edu.cn/checkcode.aspx?0.33556625493951997/