前言
Tesseract-Ocr 是我在编写爬虫项目中，用来识别图片（不是验证码）的本地解决方案（因为客户不想使用API识别，太贵），识别率目前达到了100%，可以说是相当了得，当然了，这取决于使用的traineddata。
简介
Tesseract最初是在1985年至1994年间在Hewlett-Packard Laboratories Bristol和Greeley Colorado的Hewlett-Packard Co开发的，1996年进行了一些更改，移植到Windows，并且随着C++在1998年兴起。2005年Tesseract由惠普开源，然后从2006年至今，由谷歌继续开发。
Tesseract-Ocr 并不是一个软件，它是一个软件包，包含了一个OCR引擎【libtesseract】和一个命令行程序 【tesseract】。Tesseract 4增加了一个基于OCR引擎的新神经网络（LSTM），该引擎专注于行级识别，但仍然支持Tesseract 3的传统Tesseract OCR引擎，该引擎通过识别字符模式来工作。
要启用与Tesseract 3的兼容性，你需要使用Legacy OCR Engine模式（--oem 0）。它还需要支持传统引擎的traineddata（训练好的数据文件），这些文件可以从 tessdata存储库 的文件获取。
Tesseract支持识别unicode（UTF-8），可以[开箱即用]识别100多种语言。
Tesseract支持多种输出格式：纯文本，hOCR（HTML），PDF，TSV。主分支还具有ALTO（XML）输出的实验支持。
⭐️⭐️⭐️ 具体介绍可以上 tesseract-wiki 查看。
在 Java 上使用
创建项目，并引入Jar包
Maven
|
1 2 3 4 5 6 |
<!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j --> < dependency > < groupId >net.sourceforge.tess4j</ groupId > < artifactId >tess4j</ artifactId > < version >4.3.1</ version > </ dependency > |
Gradle
|
1 |
compile 'net.sourceforge.tess4j:tess4j:4.3.1' |
导入traineddata
traineddata是使用Tesseract-Ocr训练好的数据文件，可以直接使用。这些文件你可以去 tessdata存储库 查找，也可以去谷歌搜索，当然了，你也可以自己训练
查看更多关于Java使用Tesseract-Ocr识别数字的详细内容...