一个小应用与机器学习

要不要去“占坑”机器学习

对于我这样一个技术人来说，一项火热的技术，有一种由衷的热爱。但理性让我思考，这是不是泡沫，其本质是什么，我要不要投入生命中最为宝贵之一的时间去学习…这些问题，我必须回答自己。
首先，机器学习是AI的一个分支，作为创造者的人来说，机器拥有智能是多么让人激动的事情；
其次，机器学习是一类算法，一种被称为“学习算法”，在计算机领域（或者其他）对算法的研究始终是永恒的话题；
再者，当今人类活动速度之快，我认为急需要一种较为智慧的机器来做更多一些繁琐、不是那么简单的事情，解放部分人；
故而，机器学习势必会成为一种趋势，发挥它的力量；而自己有必要为将来积蓄一定力量，应用该技术来解决些事情。

一个小应用解决的事情

原由

有人给了pdf的电子扫描文件，大概有5、6百也，主要内容是一些条款项。结果是要将上面的文字条款提取出来录入数据库中保存起来，由应用系统统一管理；

分析

一种方式是让人抄录上面的文字，叫几个人，十天半个月也能搞定，这么做得人，我必须佩服呀！
一种是采用某种技术来处理，比如把扫描文档每一页变为一张图片，然后从图片上提取文字信息，这也是我选择的方式。

具体实现

package identi;

import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

import java.io.*;

/**

• Created with IntelliJ IDEA.

• 图片像素越高，那么图片识别度越好。
  */
  public class IDentifi {

  public static void main(String[] args) {
  int count = 162;
  String result = “”;
  File file = new File(“D:\png\file.txt”);
  long start = System.currentTimeMillis();
  for (int i = 0; i < count; i++) {
  File imageFile;
  if (i < 10) {//根据图片名称规律处理
  imageFile = new File(“D:\png\14114106\14114106_0” + i + “.png”);
  } else {
  imageFile = new File(“D:\png\14114106\14114106_” + i + “.png”);
  }
  if (!imageFile.exists()) {
  break;
  }
  Tesseract instance = new Tesseract();
  //设置训练库的位置
  instance.setDatapath(“D:\shibie\src\main\resources\tessdata”);
  //中文识别
  instance.setLanguage(“chi_sim”);
  try {
  result = instance.doOCR(imageFile);
  } catch (TesseractException e) {
  e.printStackTrace();
  }
  try {
  //追加文本模式
  FileWriter fileWriter = new FileWriter(file, true);
  fileWriter.write(result);
  fileWriter.write("***********************************************************\r\n");
  fileWriter.close();
  } catch (Exception e) {
  e.printStackTrace();
  }
  }
  long end = System.currentTimeMillis();
  System.out.println("--------共耗时：----------" + (end - start) / 1000);
  }
  }

maven依赖：


net.sourceforge.tess4j
tess4j
4.0.2


net.sourceforge.jexcelapi
jxl
2.6.12

总结

ocr技术原理
研究了一下Java OCR技术，在Google上找到了tesseract-ocr，最后找到了其对应的Java API版本 Tess4J；
https://blog.csdn.net/marketadviser/article/details/36626571
https://www.jianshu.com/p/921c1da740b5