java ocr linux_linux系统如何使用tess4j（java）进行ocr图片文字识别

最近研究百度指数的采集，需要用到ocr，在网上找了很多材料，发现tesseract比较容易上手，而且可以自己训练，最重要的是，可以通过tess4j实现Java的JNA调用，如此一来，不但性能有保障，而且还可以跨平台。于是就在我的Windows机器上面创建了工程，参考着百度指数采集这篇博文的思路，写了代码，自己训练了数据样本，实现了百度指数的采集，感觉很开心。于是就想往Linux上面部署试试。结果遇到了问题。

首先，tess4j默认带有win32-x86-64 和win32-86 两个文件夹分别存放着64位和32位动态链接库，但是唯独没有Linux的动态链接库。于是我习惯性地从网上找相关材料，找了很久，只找到tess4j linux需要的so文件 - 下载频道 - CSDN.NET，以及

也安装了Tesseract环境，却出现了glibc版本不兼容，缺少libjpg.so这样的错误。我尝试一一解决这些问题(包括安装各种依赖包、安装和升级gcc、glibc)，但是坑越挖越大，最后，发现这篇博文

1、安装GCC开发环境，从而支持后续程序的编译安装：

yum groupinstall "Development Tools"

2、安装tesseract所需的依赖库

yum -y install libjpeg* libpng* freetype* gd* giflib* libtiff* zlib*

3、安装tesseract和leptonica

注意： 安装完成后，将/usr/local/lib/ 目录下的so文件拷贝到 /usr/lib64/

cp /usr/local/lib/*.so.* /usr/lib64/

4、测试和验证

通过上述3步，就完成了tesseract所需的环境配置，你的tess4j相关的应用，就可以在本Linux系统上面溜溜的运行了。

百度指数的原始图片数据，百度对数据做了打乱和混淆处理：

百度指数经过拼接后还原的图片数据(其中图片文件名即为tess4j识别的结果)：

完美！

非常感谢上述博主的无私分享，也希望转载本文时注明出处！