Linux + Java 实现图文识别，图文提取

这是一篇Linux + Java 实现图文识别，图文提取完整步骤以及完整环境调试的详细教程。是我在做这个过程中亲测和自用的，里面所用的资源我也整理好了，直接复制脚本运行就好啦。

• 环境

  • Linux
  • Java

• 准备步骤

  • 安装gcc

    yum install gcc gcc-c++ make

  • 安装工具包

    yum groupinstall "Development Tools"

  • 安装解析图片依赖的包

    yum -y install libjpeg* libpng* freetype* gd* giflib* libtiff* zlib*

  • 安装 leptonica(也可以在网上自己找包)

    wget http://download.wuxo.top/linux/leptonica-1.79.0.tar.gztar -zxvf leptonica-1.79.0.tar.gzcd eptonica-1.79.0./configure&&make&&make install&&ldconfig

  • 安装 tesseract(也可以在网上自己找包)

    wget http://download.wuxo.top/linux/3.04.00.tar.gztar -zxvf 3.04.00.tar.gzcd tesseract-3.04.00./autogen.sh&&./configure&&make&&make install&&ldconfig

  • 将/usr/local/lib目录下的so文件拷贝到 /usr/lib64/

    cp /usr/local/lib/*.so.* /usr/lib64/

  • 安装中文语言包（需记录文件存放路径）(也可以在网上自己找包)

    wget http://download.wuxo.top/linux/chi_sim.traineddata

• 核心java代码实现

  try {    ITesseract instance = new Tesseract();    instance.setDatapath("");//外部中文包的路径,上面记录的路径    instance.setLanguage("chi_sim");//中文包名    String result = instance.doOCR(new File(""));//需要识别的图片路径    //result结果} catch (Exception e) {    //操作失败}

• 附带Controlle接口写法

  /** * 返回状态和内容的实体类 */@Data@AllArgsConstructor@NoArgsConstructorpublic class BaseResult {    private Integer code;   // 0:请求失败   1：请求成功    private Object data;      //错误的起因或者者正确的内容}

  /**  * 图文提取  * @param file  * @return文件识别的结果 */@RequestMapping(value = "imgCode",method = RequestMethod.POST)public BaseResult imgCode(@RequestParam("file") MultipartFile file) {    BaseResult baseResult = new BaseResult();    File file1 = null;//创立临时文件    if (!file.isEmpty()) {//首先判断是不是空的文件        int begin = file.getOriginalFilename().indexOf(".");//对文文件的全名进行截取而后在后缀名进行删选。        int last = file.getOriginalFilename().length();        String a = file.getOriginalFilename().substring(begin, last);//取得文件后缀名        if (a.endsWith(".jpg") || a.endsWith(".png")) {            file1 = new File("tessdata/"+ UUID.randomUUID().toString().replaceAll("-","")+a);//临时文件名            try {                FileUtils.copyInputStreamToFile(file.getInputStream(), file1);                ITesseract instance = new Tesseract();                instance.setDatapath("D:\\Download\\tessdata");//外部中文包的路径                instance.setLanguage("chi_sim");//中文包名                String result = instance.doOCR(file1);                baseResult.setCode(1);                baseResult.setData(result);            } catch (Exception e) {                baseResult.setCode(0);                baseResult.setData("操作失败"+e.getMessage());            }        } else {            baseResult.setCode(0);            baseResult.setData("文件格式有误");        }    }    if (file1 != null) {        file1.delete();//假如临时文件存在，就删除文件    }    return baseResult;}