ocr是Optical Character Recognition的简写，就是光学字符识别技术。主要是对包含文本资料的图片进行识别，获取文本信息的技术。
目前tesseract-ocr这个工具可以很方便的在Windows、Linux、Mac下安装。
windows下的安装链接：https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w64-setup-v5.0.1.20220118.exe
这个工具安装之后，需要设置环境变量TESSDATA_PREFIX，这个变量是设置tesseract安装目录下tessdata的目录位置。
为了在命令行下使用tesseract可执行程序，最好把tesseract-ocr安装路径加入Path环境变量中。
这样，我们在命令行下就可以使用tesseract命令了，如下是检验tesseract安装是否正确：
我们可以使用一个带字符的图片做验证：
该图片就是hello.png，上面有“hello.tesseract”字样。
命令行下，通过tesseract images\hello.png hello，可以把images目录下的hello.png图片识别，提取的文字保存在hello.txt文件中。
/
以上是通过tesseract-ocr工具直接提取图片中的字符，下面通过程序来提取，这里以java程序为例，加入net.sourceforge.tess4j依赖。
<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>4.6.0</version>
</dependency>
Java代码也是极其简单：
package ocr;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import java.io.File;
public class TestOCR {
public static void main(String[] args) {
Tesseract instance = new Tesseract();
//instance.setDatapath("D:\\Program Files\\Tesseract-OCR\\tessdata");
File imageFile = new File("D:\\yofc\\python\\images\\hello.png");
try {
String result = instance.doOCR(imageFile);
System.out.println(result);
} catch (TesseractException e) {
e.printStackTrace();
}
}
}
运行程序，打印信息如下：
这段代码，就是新建了一个Tesseract实例，然后就开始识别图片文件，仅仅四行代码就完成了识别和打印识别结果在内的功能。其实有的地方提到需要设置训练文件位置，如果我们前面的安装设置了TESSDATA_PREFIX，这里就不用设置了，本例就注释了这行代码：
instance.setDatapath("D:\\Program Files\\Tesseract-OCR\\tessdata");
同样可以运行成功，因为在Tesseract实例化的时候，会读取系统变量TESSDATA_PREFIX的值，并进行设置：
public Tesseract() {
try {
this.datapath = System.getenv("TESSDATA_PREFIX");
} catch (Exception var5) {
} finally {
if (this.datapath == null) {
this.datapath = "./";
}
}
}
至此，OCR示例就已经说完了，对于java开发而言，代码极其简单。有的地方，采用执行命令的方式，通过模拟命令行调用tesseract识别图片，其实没必要，那种代码如果移植，又需要设置linux环境下的安装路劲，非常麻烦。
————————————————
版权声明：本文为CSDN博主「luffy5459」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/feinifi/article/details/124697094