最近要做文字識別，不讓直接用別人的接口，所以只能嘗試去用開源的類庫。tesseract-ocr是惠普公司開源的一個文字識別項目，通過它可以快速搭建圖文識別系統，幫助我們開發出能識別圖片的ocr系統。因為Windows環境開發，我也就必須在windows環境安裝系統。
第一步：下載安裝包
根據https://github.com/tesseract-ocr/tesseract/wiki，我找到非官方的安裝包，好像我只看到64位的安裝包http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe，下載后直接安裝即可，但是要記得你的安裝目錄，我們等會配置環境變量要用。
如果不是做英文的圖文識別，還需要下載其他語言的識別包https://github.com/tesseract-ocr/tesseract/wiki/Data-Files。
簡體字識別包：https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi_sim.traineddata
繁體字識別包：https://github.com/tesseract-ocr/tessdata/raw/4.0/chi_tra.traineddata
第二步：安裝
直接執行下載好的tesseract-ocr-setup-4.00.00dev.exe，下一步、下一步安裝。
第三步：配置環境變量
注意：我的系統是win7，其他系統應該差不多，跟配置java變量一樣
復制你的安裝地址，我的是安裝在C:\Program Files (x86)\Tesseract-OCR，界面如下：
復制安裝路徑“C:\Program Files (x86)\Tesseract-OCR”，進入“控制面板\系統和安全\系統”，點擊
“系統保護”
進入到以下界面：
點擊環境變量，進入配置以下界面：
把剛才的安裝路徑“C:\Program Files (x86)\Tesseract-OCR”添加到紅線划的PATH和Path，注意，添加時候開頭用“;”跟之前的變量隔開，結尾以“;”結尾。下面是我的配置信息樣本：
C:\Users\Administrator\AppData\Roaming\Composer\vendor\bin;C:\Users\Administrator\AppData\Roaming\npm;C:\Program Files (x86)\Tesseract-OCR;
配置好了點擊保存。
打開命令終端，輸入：tesseract -v，可以看到版本信息
如果出現報錯，估計是環境變量沒配置好。
到這里，我們就算安裝完成了，但是，我們的系統還是無法識別中文的，我們要去下載簡體漢字、繁體漢字語言包（上文給了地址了），下載好之后放到安裝目錄的tessconfigs目錄下即可。
補充：因為沒有配置全局變量，無法跨盤執行數據轉換，這里我們在環境變量那增加一個配置信息
系統變量—->新建：
增加一個TESSDATA_PREFIX變量名，變量值還是我的安裝路徑C:\Program Files (x86)\Tesseract-OCR;
本人博客：Windows環境安裝tesseract-ocr 4.00並配置環境變量
http://www.wangtuizhijia.com/archives/272