Java 图片提取验证码 https://my.oschina.net/gaoguofan/blog/800197

安装 Tesseract-OCR

Windows 版本

1. tesseract-ocr-setup-xx.xx.exe
2. chi_sim.traineddata.gz   中文语言包

这两个请自行百度即可，然后我们将其安装在D:下，其中将语言包放在安装目录下的tessdata的目录下。

Linux 版本

我使用的是centos7，下面给出安装tesseract的前提条件。

1. 安装编译库
   
   1 2	yum install autoconf automake libtool yum install libjpeg-devel libpng-devel libtiff-devel zlib-devel

   
   请注意这里面是两个库，使用了顿号隔开的，一般系统都有存在这个库的
2. 安装依赖的leptonica库
   
   1 2 3 4

   wget http://www.leptonica.com/source/leptonica-1.72.tar.gz tar -xvf leptonica-1.72.tar.gz   cd leptonica-1.72 ./configure --with-libpng && make && make install

   
   这个依赖库要注意，一定是1.71以上的版本。
3. 下载编译tesseract
   
   1 2 3 4 5 6 7 8

   wget https://github.com/tesseract-ocr/tesseract/archive/3.04.00.tar.gz mv 3.04.00  Tesseract3.04.00.tar.gz tar -xvf Tesseract3.04.00.tar.gz   cd tesseract-3.04.00/ ./autogen.sh ./configure make && make install ldconfig

   
   tesseract我安装在了 /usr/local 这个目录下，名称为 tesseract-3.04.00 。如果你使用的是3.01的版本，需要在./autogen.sh 后面执行mkdir m4；这条命令，否则他会提示m4这个目录不存在。
4. 下载识别库(语言包)
   
   1 2 3 4

   wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_tra.traineddata wget http://tesseract-ocr.googlecode.com/files/tesseract-ocr-3.02.eng.tar.gz

   
   注意此处的语言包以及解压出的语言包都要放在 /usr/local/share/tessdata/ 目录下。

Java 读取数据

1. 启动命令程序
   
   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112

   package com.zefun.common.utils;   import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.List;   import org.apache.log4j.Logger; import org.jdesktop.swingx.util.OS;   /** * ocr 读取命令程序 * @author 高国藩 * @date 2016年12月5日 上午10:27:16 */ public class Ocr {          /** 英文字母小写l，并非数字1 */     private static final String LANG_OPTION = "-l";     /** 系统换行符 */     private static final String EOL = System.getProperty("line.separator");     /** 系统目录符 */     private static final String GNL = System.getProperty("file.separator");     /** log */     private Logger logger = Logger.getLogger(Ocr.class);          /** 目标,下面分别为Linux和Windows下的程序配备,Linux不需要此处的路径了 */ //    private String tessPath = GNL + "usr" + GNL + "local" + GNL + "tesseract-3.04.00";     private String tessPath = new File("D:\\Tesseract-OCR").getAbsolutePath();       /**      * 解析图片     * @author 高国藩     * @date 2016年12月5日 上午10:28:47     * @param imageFile          image file     * @param imageFormat        转码路径         * @return ver_code               * @throws Exception         异常处理啊      */     public String recognizeText(File imageFile, String imageFormat) throws Exception {                  File tempImage = ImageIOHelper.createImage(imageFile, imageFormat);         File outputFile = new File(imageFile.getParentFile(), "output");         StringBuffer strB = new StringBuffer();         List<String> cmd = new ArrayList<String>();         if (OS.isWindowsXP()) {             cmd.add(tessPath + "//tesseract");         }         else if (OS.isLinux()) {             cmd.add("tesseract");         }         else {             cmd.add(tessPath + "//tesseract");         }         cmd.add("");         cmd.add(outputFile.getName());         cmd.add(LANG_OPTION);         // cmd.add("chi_sim");  更换语言包         cmd.add("eng");           ProcessBuilder pb = new ProcessBuilder();         pb.directory(imageFile.getParentFile());           cmd.set(1, tempImage.getName());         pb.command(cmd);         pb.redirectErrorStream(true);           Process process = pb.start();         logger.info(cmd.toString());         // tesseract.exe 1.jpg 1 -l chi_sim         int w = process.waitFor();           // 删除临时正在工作文件         tempImage.delete();           if (w == 0) {             BufferedReader in = new BufferedReader(new InputStreamReader(                     new FileInputStream(outputFile.getAbsolutePath() + ".txt"),                     "UTF-8"));               String str;             while ((str = in.readLine()) != null) {                 strB.append(str).append(EOL);             }             in.close();         }         else {             String msg;             switch (w) {                 case 1:                     msg = "Errors accessing files.There may be spaces in your image's filename.";                     break;                 case 29:                     msg = "Cannot recongnize the image or its selected region.";                     break;                 case 31:                     msg = "Unsupported image format.";                     break;                 default:                     msg = "Errors occurred.";             }             tempImage.delete();             throw new RuntimeException(msg);         }         new File(outputFile.getAbsolutePath() + ".txt").delete();         logger.info("图形识别结果 ====>>> " + strB.toString());         return strB.toString();     }      }

   
   此处要注意一下tesseract的命令目录，Windows和Linux的目录不同，尤其分隔符。
2. 解析图片程序
   
   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85

   package com.zefun.common.utils;   import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException; import java.util.Iterator; import java.util.Locale;   import javax.imageio.IIOImage; import javax.imageio.ImageIO; import javax.imageio.ImageReader; import javax.imageio.ImageWriteParam; import javax.imageio.ImageWriter; import javax.imageio.metadata.IIOMetadata; import javax.imageio.stream.ImageInputStream; import javax.imageio.stream.ImageOutputStream;   import com.sun.media.imageio.plugins.tiff.TIFFImageWriteParam;   /** * ver_image 图片解析器 * @author 高国藩 * @date 2016年12月5日 上午10:31:09 */ public class ImageIOHelper {     /**      * 图片文件转换为tif格式      * @param imageFile 文件路径      * @param imageFormat 文件扩展名      * @return  路径      */     public static File createImage(File imageFile, String imageFormat) {         File tempFile = null;         try {             Iterator<ImageReader> readers = ImageIO                     .getImageReadersByFormatName(imageFormat);             ImageReader reader = readers.next();               ImageInputStream iis = ImageIO.createImageInputStream(imageFile);             reader.setInput(iis);             // Read the stream metadata             IIOMetadata streamMetadata = reader.getStreamMetadata();               // Set up the writeParam             TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(                     Locale.CHINESE);             tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED);               // Get tif writer and set output to file             Iterator<ImageWriter> writers = ImageIO                     .getImageWritersByFormatName("tiff");             ImageWriter writer = writers.next();               BufferedImage bi = reader.read(0);             IIOImage image = new IIOImage(bi, null, reader.getImageMetadata(0));             tempFile = tempImageFile(imageFile);             ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);             writer.setOutput(ios);             writer.write(streamMetadata, image, tiffWriteParam);             ios.close();               writer.dispose();             reader.dispose();           }         catch (IOException e) {             e.printStackTrace();         }         return tempFile;     }       /**      * 格式化图片     * @author 高国藩     * @date 2016年12月5日 上午10:31:41     * @param imageFile  imageFile     * @return           File      */     private static File tempImageFile(File imageFile) {         String path = imageFile.getPath();         StringBuffer strB = new StringBuffer(path);         strB.insert(path.lastIndexOf('.'), 0);         return new File(strB.toString().replaceFirst("(?<=//.)(//w+)$", "tif"));     } }

   
   改程序会将图片首先解析为tif类型文件，在其中读取出数据。
3. 测试加载
   
   1 2	String valCode = new Ocr().recognizeText(new File(new File(path4).getAbsolutePath()), "jpg"); logger.info(valCode);

   
   注意在测试中的文件路径问题，Linux和Windows区别很大。
4. Maven 包管理
5. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

   <dependency> <groupId>net.java.dev.jna</groupId> <artifactId>jna</artifactId> <version>4.2.1</version> </dependency> <dependency> <groupId>net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>2.0.1</version> <exclusions> <exclusion> <groupId>com.sun.jna</groupId> <artifactId>jna</artifactId> </exclusion> </exclusions> </dependency> <dependency> <groupId>com.kenai.nbpwr</groupId> <artifactId>org-jdesktop-swingx</artifactId> <version>1.6-201002261215</version> </dependency>