01
环境准备

1、windows 环境下载 exe

http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe

双击 exe，一路 next 完成 Tesseract-OCR 安装

2、配置环境变量

PATH 增加 D:\ProgramFiles\Tesseract-OCR

新建环境变量 TESSDATA_PREFIX 值为

D:\ProgramFiles\Tesseract-OCR\tessdata

这是将语言字库文件夹添加到环境变量 TESSDATA_PREFIX 中

CMD 命令行窗口输入如下命令：

查看版本号

C:\Users\18611>tesseract -v

tesseract 4.00.00alpha

leptonica-1.74.1

libgif 4.1.6(?) : libjpeg 8d (libjpeg-turbo 1.5.0) : libpng 1.6.20: libtiff 4.0.6 : zlib 1.2.8 :

libwebp 0.4.3 : libopenjp2 2.1.0

查看支持的语言包

C:\Users\18611>tesseract --list-langs

List of available languages (2):

eng

osd

C:\Users\18611>

02
命令识别图片

识别如下图片验证码

使用 tesseract 命令识别图片中的内容

C:\Users\18611>cd Desktop

C:\Users\18611\Desktop>tesseract test2.png output

Tesseract Open Source OCR Engine v4.00.00alpha with Leptonica

C:\Users\18611\Desktop>

【语法】:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]

imagename 为目标图片文件名，需加格式后缀；

outputbase 是转换结果文件名；

lang 是语言名称（在 Tesseract-OCR 中 tessdata 文件夹可看到以 eng 开头的语言文件 eng.traineddata），如不标-l eng 则默认为 eng。

03
java自动识别图片

将 tesseract.exe 命令保存为 bat 文件，bat 内容为：

//图片路径 D:\Tesseract-OCR\test.png 生成 txt 文件存放路径及文件名 result

代码实现如下：

package com.mtx.util;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.InputStreamReader;

/** * @ClassName ReadCpacha

  * @Description TODO

  * @Author 彩虹 rainbow QQ3130978832

  * @Date-Time 2022/6/9 13:55

  * @ProjectName MtxPublic

  * @Copyright 北京码同学网络科技有限公司

**/

public class ReadCpacha{

public static String readPic(){

    String cmd= "cmd /c start D:\\Tesseract-OCR\\tesseract.bat";  

try {  

     Runtime.getRuntime().exec(cmd);  

} catch(Exception e) {  

        e.printStackTrace();  

}  

try {  

     //线程阻塞 3 秒等待 tesseract.exe 执行完成  

     Thread.sleep(3000);  

}catch (InterruptedException e) {  

     e.printStackTrace();  

}  

//执行 tesseract.exe 识别图片后生成 result.txt 文件中保存识别后验证码  

     //读取 result.txt 文件获取验证码  

     // ReadTxt 

    BufferedReader bufferedReader = new BufferedReader(inputStreamReader);  

     StringBuffer sb= new StringBuffer();  

     String text = null;  

     while((text = bufferedReader.readLine()) != null){  

           //逐行读取到的字符串存到 StringBuffer 对象  

                sb.append(text);  

      }  

      return sb.toString();  

   }catch (Exception e) {  

        e.printStackTrace();  

   }  

}  

  return null;  

}

public static void main(String[] args) {  

    String str = readPic();//调用封装方法测试  

    System.out.println(str);  

}

}

C:\Users\18611\IdeaProjects\MtxPublic>tesseract --help-psm

Page segmentation modes:

0 Orientation and script detection (OSD) only.

1 Automatic page segmentation with OSD.

2 Automatic page segmentation, but no OSD, or OCR.

3 Fully automatic page segmentation, but no OSD. (Default)

4 Assume a single column of text of variable sizes.

5 Assume a single uniform block of vertically aligned text.

6 Assume a single uniform block of text.

7 Treat the image as a single text line.

8 Treat the image as a single word.

9 Treat the image as a single word in a circle.

10 Treat the image as a single character.

11 Sparse text. Find as much text as possible in no particular order.

12 Sparse text with OSD.

13 Raw line. Treat the image as a single text line, bypassing hacks that are Tesseract-specific.

C:\Users\18611\IdeaProjects\MtxPublic>