基于Tess4j的OCR文字识别(附部署方案)

整个项目是基于springboot的
暂时只完成了基本的功能

应用

可以用来解决爬虫的文字反爬问题,以及其他文字识别的场景.

开放接口

URL:http://jside.cn/i2s/ocr/img2String

Type:post

返回格式:json

请求参数说明:

multipartFile: 必填 Content-Type为application/x-www-form-urlencoded，然后通过urlencode格式化请求体 图片最大不能超过2m

返回参数说明:

{
	success:true,
	message:'结果',
	status:2
}

success 布尔值 是否响应成功
message 字符串 成功则是结果,失败则是原因
status 预留属性 用于扩展

---

下载地址

主应用下载
添加链接描述

部署流程

在部署之前确保您安装了JDK(文中使用的是Jdk1.8)
在Windows中tess4j是调用的dll依赖文件,而在linux中调用的是so依赖文件

安装leptonica(tess4j依赖于tessract,tessract依赖于leptonica)

1. leptonica下载地址(tess4j版本大于4.0的leptonica版本需要大于1.74)
2. 下载完成上传到linux中/usr/local目录
3. 将该文件解压到/usr/localtar -zxvf leptonica-版本号.tar.gz
4. 解压之后会出现一个leptonica-版本号的文件夹,进入该文件夹
5. ./configure
6. make
7. make install
8. vim /etc/bashrc
9. 将如下文本粘贴到最下面

export PKG_CONFIG_PATH
CPLUS_INCLUDE_PATH=$CPLUS_INCLUDE_PATH:/usr/local/include/
export CPLUS_INCLUDE_PATH
C_INCLUDE_PATH=$C_INCLUDE_PATH:/usr/local/leptonica/include/leptonica
export C_INCLUDE_PATH
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
export LD_LIBRARY_PATH
LIBRARY_PATH=$LIBRARY_PATH:/usr/local/lib
export LIBRARY_PATH
export LC_ALL=C

1. source /etc/bashrc刷新配置文件
   这时候/usr/local下面多个三个文件夹bin include lib

安装tessract

在执行./configure的时候如果遇到configure: error: Leptonica 1.74 or higher is required. Try to install libleptonica-dev package.

请将这些环境变量添加至/etc/bashrc中,保存之后记得source /etc/bashrc

export LD_LIBRARY_PATH=$LD_LIBRARY_PAYT:/usr/local/lib
export LIBLEPT_HEADERSDIR=/usr/local/include
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

并将/usr/local/lib下相关的tesseract和leptonica的library（.so）的文件复制到 /usr/lib下

或者直接添加成这样即可

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
CPLUS_INCLUDE_PATH=$CPLUS_INCLUDE_PATH:/usr/local/include/
export CPLUS_INCLUDE_PATH
C_INCLUDE_PATH=$C_INCLUDE_PATH:/usr/local/leptonica/include/leptonica
export C_INCLUDE_PATH
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
export LD_LIBRARY_PATH
LIBRARY_PATH=$LIBRARY_PATH:/usr/local/lib
export LIBRARY_PATH

tessract下载地址

1. 解压并上传
2. 执行以下命令

./autogen.sh
./configure
make
make install

export PKG_CONFIG_PATH=$HOME/local/lib/pkgconfig

Java应用部署

1. 上传刚才提供的jar包到你自己的服务器
2. java -jar ocr.jar &后台运行整个服务
3. 此时是无法访问的,给定默认的端口是8081,所以需要开启8081的端口号如何开启端口
4. 然后在root目录下面创建project/ocr/static这个目录
5. 将index.html放进该文件夹,将提供的tessdata文件夹拷贝到/root/project/ocr/目录下,ocr目录下再创建upload_img_dir用于存放上传的图片文件
6. 部署完成 可以在浏览器使用http://你的IP地址/域名:8081进行访问了