最近寫爬蟲采集數據，遇到網站登錄需要驗證碼校驗，想了想有兩種解決辦法

　　　　　　　　　1，利用htmlunit，將驗證碼輸入到swing中，并彈出一個輸入框，手動輸入驗證碼，這種實現方式，如果網站需要登錄一次可以使用，如果每個5分鐘就讓你重新登錄，校驗驗證碼，那這法指定很麻煩，我總不能一直在這看著，每五分鐘手動輸入一次吧

　　　　　　　　　2，為了避免上一個法子的弊端，就想到有沒有可以自動識別驗證碼，讓程序自己驗證而不需要人工手動輸入，然后從網上找到了解決方案，ocr - tesseract，但是網上的博客什么的都是一樣的，把別人的博客copy過來，也不管代碼到底能不能正常運行，因此寫了這篇文章，希望可以幫助正卡在tesseract這的盆友（說的大義凜然）

對tess4j的使用總結

1，tess4j 封裝了 tesseract-ocr 的操作

　　　　　　可以用很簡潔的幾行代碼就實現原本tesseract-ocr 復雜的實現邏輯

　　　　　　如果你也想了解tesseract-ocr是怎么實現驗證碼識別的請移步我的另一篇文章

2，網上有很多說發布jar或war包之后需要自己加載dll，這是錯誤的

　　不需要再自己加載dll，tess4j已經自己封裝了加載dll的操作

3，使用tess4j需要先安裝 tesseract-ocr-setup-3.02.02

4，如果拋Invalid memory access無效的內存訪問異常，導致這個異常的原因是tessdata語言包的位置沒有找到

5，下面就是我使用tess4j的一個使用demo

目錄結構

tessdata 語言包放在了和src同級的目錄

maven 依賴

 1  <dependencies>
 2   
 3       <dependency>  
 4         <groupId>net.java.dev.jna</groupId>  
 5         <artifactId>jna</artifactId>  
 6         <version>4.2.1</version>  
 7     </dependency>  
 8   
 9       <dependency>  
10         <groupId>net.sourceforge.tess4j</groupId>  
11         <artifactId>tess4j</artifactId>  
12         <version>2.0.1</version>  
13         <exclusions>  
14             <exclusion>  
15                 <groupId>com.sun.jna</groupId>  
16                 <artifactId>jna</artifactId>  
17             </exclusion>  
18         </exclusions>  
19     </dependency>  
20   
21   </dependencies>

3，測試代碼

 1 package com.sinosoft.ocr;
 2 
 3 import java.awt.image.BufferedImage;
 4 import java.io.File;
 5 import java.io.FileInputStream;
 6 import java.io.IOException;
 7 import java.io.InputStream;
 8 
 9 import javax.imageio.ImageIO;
10 
11 import net.sourceforge.tess4j.ITesseract;
12 import net.sourceforge.tess4j.Tesseract;
13 import net.sourceforge.tess4j.TesseractException;
14 import net.sourceforge.tess4j.util.ImageHelper;
15 
16 public class OcrTest {
17 
18      public static void main(String[] args) {  
19             File imageFile = new File("E:\valimg\fx\fx.tif");  
20             ITesseract instance = new Tesseract();  // JNA Interface Mapping  
21             
22             try {  
23                 //讀取一個文件夾下的所有圖片并驗證
24                 /*    String[] filelist = imageFile.list();
25                 for (int i = 0; i < filelist.length; i++) {
26                         File readfile = new File("E:\valimg" + "\" + filelist[i]);
27                         if (!readfile.isDirectory()) {
28                                 System.out.println("path=" + readfile.getPath());
29                                 System.out.println("absolutepath="
30                                                 + readfile.getAbsolutePath());
31                                 System.out.println("name=" + readfile.getName());
32 
33                                 String result = instance.doOCR(readfile);
34                                 //String result = instance.doOCR(change(readfile));
35                                 System.err.println(readfile.getName() +" result："+  result);
36                      }
37                 }*/ 
38                  instance.setLanguage("chi_sim"); //加載語言包
39                  String result = instance.doOCR(imageFile);
40                 
41                  System.err.println(imageFile.getName() +" result："+  result);
42                  
43             } catch (TesseractException e) {  
44                 System.err.println(e.getMessage());  
45             }  
46      } 
47      
48      public static BufferedImage change(File file){
49          
50             // 讀取圖片字節數組
51              BufferedImage textImage = null;
52             try {
53                  InputStream in = new FileInputStream(file);
54                  BufferedImage image = ImageIO.read(in);
55                  textImage = ImageHelper.convertImageToGrayscale(ImageHelper.getSubImage(image, 0, 0, image.getWidth(), image.getHeight()));  //對圖片進行處理
56                  textImage = ImageHelper.getScaledInstance(image, image.getWidth() * 5, image.getHeight() * 5);  //將圖片擴大5倍
57 
58             } catch (IOException e) {
59                 e.printStackTrace();
60             }
61             
62             return textImage;
63      }
64 }

如果是web項目，需要指定 instance.setDatapath("E:\ocr\tesseract"); //tessdata 的目錄為E:\ocr esseract essdata,如果不指定也會拋Invalid memory access 異常

總結

以上是生活随笔為你收集整理的ocr智能图文识别 tess4j 图文，验证码识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。