图形验证码开源库 Tess4J 的使用

梦里梦外; 2022-05-19 08:19 744阅读 0赞

实际应用中，为了保护重要接口，防止用户恶意攻击或穷举破解，在发送业务请求时生成图片验证码，要求人工识别并填写，一并提交给后台验证，以确保是人为请求。图形验证码开源库 Tess4J 生成的图片验证码还有拉伸、扭曲、干扰等功能，同时它还有识别简单图片中验证码的功能。本文总结了 Tess4J 的用法。  
  
**作者：**王克锋  
**出处：**[https://kefeng.wang/2017/04/22/tess4j/][https_kefeng.wang_2017_04_22_tess4j]  
**版权：**[自由转载-非商用-非衍生-保持署名][-_-_-]，转载请标明作者和出处。

## 1 关于 tesseract-ocr ##

是个 OCR 开源项目，支持 Java。  
[https://github.com/tesseract-ocr/tesseract/wiki][https_github.com_tesseract-ocr_tesseract_wiki]

## 2 准备操作系统环境 ##

官方文档：[Tess4J Usage][]

### 2.1 Linux 环境 ###

sudo yum -y install tesseract ## 安装so和英文tessdata
    sudo yum -y install tesseract-langpack-chi_sim.noarch ## 安装简体中文
    sudo yum -y install tesseract-langpack-chi_tra.noarch ## 安装繁体中文
    sudo ls -l /usr/share/tesseract/tessdata/*.traineddata ## tessdata 目录

### 2.2 Windows 环境 ###

Windows 版本的 Tesseract 本机库是用 VS2013(或者VS2012/VS2015) 构建的，所以必须安装 Microsoft Visual C++ 20XX Redistributable。  
已经在 WinXP/Win7/Win10 上验证通过：安装 `Visual C++ Redistributable for VS2013` 32 位版本。

*  [Visual C++ Redistributable for VS2012][Visual C_ Redistributable for VS2012]：[vcredist\_x86.exe][vcredist_x86.exe]
 *  [Visual C++ Redistributable for VS2013][Visual C_ Redistributable for VS2013]：[vcredist\_x86.exe][vcredist_x86.exe 1]
 *  [Visual C++ Redistributable for VS2015][Visual C_ Redistributable for VS2015]：[vc\_redist.x86.exe][vc_redist.x86.exe]

如果没有正确安装，运行时会报错：

Exception in thread "main" java.lang.UnsatisfiedLinkError: 找不到指定的模块。
        at com.sun.jna.Native.open(Native Method)
        at com.sun.jna.Native.open(Native.java:1759)
        at com.sun.jna.NativeLibrary.loadLibrary(NativeLibrary.java:260)
        at com.sun.jna.NativeLibrary.getInstance(NativeLibrary.java:398)
        at com.sun.jna.Library$Handler.<init>(Library.java:147)
        at com.sun.jna.Native.loadLibrary(Native.java:412)
        at com.sun.jna.Native.loadLibrary(Native.java:391)
        at net.sourceforge.tess4j.util.LoadLibs.getTessAPIInstance(LoadLibs.java:75)
        at net.sourceforge.tess4j.TessAPI.<clinit>(TessAPI.java:42)
        at net.sourceforge.tess4j.Tesseract.init(Tesseract.java:368)
        at net.sourceforge.tess4j.Tesseract.doOCR(Tesseract.java:281)
        at net.sourceforge.tess4j.Tesseract.doOCR(Tesseract.java:213)
        at net.sourceforge.tess4j.Tesseract.doOCR(Tesseract.java:197)
        at wang.kefeng.utils.VerifyCode.decode(VerifyCode.java:28)
        at wang.kefeng.dasi.DasiUsers.doLogin(DasiUsers.java:84)
        at wang.kefeng.dasi.DasiDumper.main(DasiDumper.java:423)

## 3 准备字形数据 ##

选定一个本地目录（`TESSDATA_PREFIX`），用来存放字形数据文件；  
进入：[https://github.com/tesseract-ocr/tessdata][https_github.com_tesseract-ocr_tessdata]  
下载以下语言包文件，保存到 `${TESSDATA_PREFIX}/tessdata/eng.traineddata` 目录下：

*  [eng.traineddata][]：阿拉伯数字和英文字符；
 *  [chi\_sim.traineddata][chi_sim.traineddata]：简体中文；
 *  [chi\_tra.traineddata][chi_tra.traineddata]：繁体中文。

export TESSDATA_ENG=https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata
    sudo mkdir -p $CATALINA_HOME/lib/tessdata
    sudo wget $TESSDATA_ENG -O $CATALINA_HOME/lib/tessdata/eng.traineddata

## 4 Java 工程中引用 ##

### 4.1 工程源码（深入研究用） ###

[https://github.com/tesseract-ocr/tesseract][https_github.com_tesseract-ocr_tesseract]

### 4.2 pom.xml 中指定依赖 ###

<dependency>
        <groupId>net.sourceforge.tess4j</groupId>
        <artifactId>tess4j</artifactId>
        <version>3.4.1</version>
    </dependency>

### 4.3 Java 代码中使用 ###

确保其中的 `TESSDATA_PREFIX` 设置正确；  
指定验证码图片，即可直接输出识别结果。

public class VerifyCode { 
        private static final Logger logger = LoggerFactory.getLogger(VerifyCode.class);
        public static final String TESSDATA_PREFIX = System.getenv("CATALINA_HOME");
    
        public static String decode(String imageFile) {
            Tesseract instance = new Tesseract();
            instance.setDatapath(TESSDATA_PREFIX);
    
            try {
                File file = new File(imageFile);
                String result = instance.doOCR(file);
                return result.trim();
            } catch (TesseractException e) {
                logger.warn(e.getMessage(), e);
            }
    
            return null;
        }
    
        public static void main(String[] args) {
            String imageFile = "D:/test.png";
            String text = VerifyCode.decode(imageFile);
            logger.info(text);
        }
    }

## 5 生成的验证码图片出现乱码 ##

这是因为引用了操作系统中不存在的字体。  
[http://openxtiger.iteye.com/blog/2265132][http_openxtiger.iteye.com_blog_2265132]

### 5.1 添加字体 ###

sudo yum install -y fontconfig ## 安装 fc-cache
    sudo mkdir /usr/share/fonts/windows
    cd /usr/share/fonts/windows
    ## Windows 资源管理器打开文件夹 C:\Windows\Fonts 并拉入以下文件
    ## 英文字体: Calibri, Cambria, Consolas, Georgia, Verdana
    ## 中文字体: SimSun(宋体), KaiTi(楷体), LiSu(隶书), Microsoft YaHei(微软雅黑), STXinwei(华文新魏)
    sudo chmod 644 *.ttf ## 所有用户可用
    sudo fc-cache ## 建立缓存
    ## sudo reboot ## 重启生效(通常不必)

### 5.2 查看字体 ###

fc-list ## 所有字体
    fc-list :lang=zh ## 中文字体

[https_kefeng.wang_2017_04_22_tess4j]: https://kefeng.wang/2017/04/22/tess4j/
[-_-_-]: https://creativecommons.org/licenses/by-nc-nd/3.0/deed.zh
[https_github.com_tesseract-ocr_tesseract_wiki]: https://github.com/tesseract-ocr/tesseract/wiki
[Tess4J Usage]: http://tess4j.sourceforge.net/usage.html
[Visual C_ Redistributable for VS2012]: https://www.microsoft.com/zh-CN/download/details.aspx?id=30679
[vcredist_x86.exe]: https://download.microsoft.com/download/9/C/D/9CD480DC-0301-41B0-AAAB-FE9AC1F60237/VSU4/vcredist_x86.exe
[Visual C_ Redistributable for VS2013]: https://www.microsoft.com/zh-CN/download/details.aspx?id=40784
[vcredist_x86.exe 1]: https://download.microsoft.com/download/F/3/5/F3500770-8A08-488E-94B6-17A1E1DD526F/vcredist_x86.exe
[Visual C_ Redistributable for VS2015]: https://www.microsoft.com/en-us/download/details.aspx?id=53587
[vc_redist.x86.exe]: https://download.microsoft.com/download/6/D/F/6DF3FF94-F7F9-4F0B-838C-A328D1A7D0EE/vc_redist.x86.exe
[https_github.com_tesseract-ocr_tessdata]: https://github.com/tesseract-ocr/tessdata
[eng.traineddata]: https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata
[chi_sim.traineddata]: https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata
[chi_tra.traineddata]: https://github.com/tesseract-ocr/tessdata/raw/master/chi_tra.traineddata
[https_github.com_tesseract-ocr_tesseract]: https://github.com/tesseract-ocr/tesseract
[http_openxtiger.iteye.com_blog_2265132]: http://openxtiger.iteye.com/blog/2265132