Tess4j是一个基于Tesseract OCR引擎的Java库, Tesseract库最初由惠普实验室于1985年开发,后来被Google收购并于2006年开源。识别效果不好,速度还慢,但是好早好早了。
一、POM依赖
<!--OCR识别
https://digi.bib.uni-mannheim.de/tesseract/tessdata_fast/ 训练文件下载
-->
<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>5.12.0</version>
</dependency>
<dependency>
<groupId>net.java.dev.jna</groupId>
<artifactId>jna</artifactId>
<version>5.14.0</version>
</dependency>
记的要下载训练文件 chi_sim.traineddata
二、配置文件 TesseractOcrConfiguration
import cn.cakeerp.util.StrUtil;
import net.sourceforge.tess4j.Tesseract;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class TesseractOcrConfiguration {
@Bean
public Tesseract tesseract() {
Tesseract tesseract = new Tesseract();
// 设置训练数据文件夹路径
tesseract.setDatapath(StrUtil.erpConfig.getTraineddata());
// 设置为中文简体
tesseract.setLanguage("chi_sim");
return tesseract;
}
}
三、使用
@Resource
private Tesseract tesseract;
//直接就可以识别,也可以
System.out.println(tesseract.doOCR(new File("d:\\2.jpg")));
//也可以从 MultipartFile imageFile 里面识别
InputStream is = null;
try {
is = new ByteArrayInputStream(imageFile.getBytes());
BufferedImage bufferedImage = ImageIO.read(is);
String textStr = tesseract.doOCR(bufferedImage);
if (null == textStr || textStr.trim().equals("")) {
return JsonResult.failed("识别失败,结果为空.");
}
log.error("识别内容为:{}", textStr);
return JsonResult.failed("未识别到订单号", -1);
} catch (Exception e) {
return JsonResult.failed(e.getMessage(), -1);
} finally {
if (null != is) {
try {
is.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
后续 在官方的仓库中下载到了最新的训练文件 50.2MB结果测试效果还是没啥变化,里面也没有什么可配置的参数。不知道别人怎么用呢。
tessdoc/Data-Files.md at main · tesseract-ocr/tessdoc · GitHub