java 使用tess4j实现OCR的最简单样例

网上很多教程没有介绍清楚tessdata的位置，以及怎么配置，并且对中文库的描述也存在问题，这里介绍一个最简单的样例。

1、使用maven，直接引入依赖，确保你的工程JDK是1.8以上

        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>4.3.1</version>
        </dependency>

2、实现代码

public class OCRDemo {
    public static void main(String args[]) throws Exception {
        ITesseract instance = new Tesseract();
        instance.setDatapath("tessdata"); //相对目录，这个时候tessdata目录和src目录平级

//        instance.setDatapath("E:\\myProgram\\java\\ocrdemo\\tessdata");//支持绝对目录
        instance.setLanguage("chi_sim");//选择字库文件（只需要文件名，不需要后缀名）

        try {
            File imageFile = new File("d:\\temp\\4.jpg");
            String result = instance.doOCR(imageFile);//开始识别
            System.out.println(result);//打印图片内容
        } catch (Exception e) {
            System.out.println(e.toString());//打印图片内容
        }
    }
}

3、这里一定要注意tessdata的目录位置

4、还需注意就是你选的语言库是不是真的库，网上给的地址，比如这个：https://github.com/tesseract-ocr/tessdata 

你从上面下载的不是真正的训练字库，你需要真正找到字库才行。

5、真正的中文字库是比较大的，用notepad++打开文件看看确认是否是真的字库，不然程序会报错误，无法打开chi_sim.traineddata文件，

这个地址可以下载到文件：https://raw.githubusercontent.com/tesseract-ocr/tessdata/master/chi_sim.traineddata

6、识别的效果一般，复杂的表格识别需要自定义识别区域

识别的图片：

 

识别后的文字：

. 防 火 塔 系 统

防 火 埋 作 为 不 同 网 络 或 网 络 安 全 城 之 间 信 息 的 出 入 口 能 根 据 企 业 的 安 全 策 畦 接 制
出 人 网 络 的 信 息 流 口 本 身 具 有 较 强 的 抗 攻 击 能 力 「 它 是 提 供 信 息 安 全 服 务 实 现 网
络 和 信 息 宗 全 的 基 蛎 设 施 . 在 逐 辐 上 , 防 火 境 是 一 个 分 离 器 限 制 器 和 分 析 器 , 可
以 有 效 勘 接 内 部 网 和 Intemet 之 间 的 任 何 活 动 「 保 证 内 部 网 络 的 安 全 . 防 火 墙 通 常
放 在 外 部 Intemet 网 和 内 部 网 络 之 间 , 以 保 证 内 部 网 络 的 安 全 . 。

防 火 埕 对 流 经 它 的 网 络 通 信 进 行 扫 揽 , 泉 样 能 够 过 滁 掉 一 些 攻 击 , 以 免 其 在 目 标 计
算 机 上 被 执 行 “ 仿 火 墙 运 可 以 伟 闭 不 使 用 的 堵 口 而 丝 它 还 能 菲 止 特 定 堡 口 的 流 出
通 信 封 锁 特 洛 伊 木 马 曝 后 「 它 可 以 蔡 止 来 自 特 殊 站 点 的 访 问 仕 而 防 止 来 自 不 明
人 促 者 的 所 有 通 信 。 。