基于Tess4j的OCR文字识别(附部署方案)

绝地灬酷狼 2022-02-12 23:59 714阅读 0赞

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][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][Link 1]  
[添加链接描述][Link 2]

## 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][leptonica](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/local`tar -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][tessract]

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][Link 3]
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

[http_jside.cn_i2s_ocr_img2String]: http://jside.cn/i2s/ocr/img2String
[Link 1]: http://jside.cn/i2s/download/ocr.jar
[Link 2]: http://jside.cn/i2s/download/res.zip
[leptonica]: http://www.leptonica.org/download.html
[tessract]: https://github.com/tesseract-ocr/tesseract.git
[Link 3]: https://www.cnblogs.com/moxiaoan/p/5683743.html