Java使用Tess4j识别图片里的文字

近期项目里新增了识别图片里的文字的需求，在这里总结一下实现步骤

下载安装tessdata

下载地址：https://digi.bib.uni-mannheim.de/tesseract/

其中文件名中带有dev的为开发版本，不带dev的为稳定版本，可以选择下载不带dev的版本，例如可以选择下载tesseract-ocr-setup-3.05.01.exe。

安装：

此时可以勾选Additional language data(download)选项来安装OCR识别支持的语言包，这样OCR便可以识别多国语言。然后一路点击Next按钮即可。

配置环境变量

1. 把安装目录配置到path里即可；
2. 再新建变量名为TESSDATA_PREFIX，变量值还是安装目录；

检验是否配置成功

tesseract -v

出现版本号就是配置成功；

代码测试

1. 添加依赖

<dependency>
   <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>4.5.4</version>
</dependency>

1. 代码

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

import java.io.File;

public class Tess4jDemo {
   
   

    public static void main(String[] args) throws TesseractException {
   
   
        final ITesseract instance = new Tesseract();
        //
        instance.setDatapath("D:\\tessdata");
        //如果需要识别英文之外的语种，需要指定识别语种，并且需要将对应的语言包放进项目中
        instance.setLanguage("chi_sim");
         //该目录下有很多图片，每张图片里有文字内容
        File imageLocation = new File("D:\\verifyImg");
        for(File image : imageLocation.listFiles()){
   
   
        //输出识别结果
            System.out.println(image.getName()+" -->"+instance.doOCR(image));
        }
    }
}