Java 驗證碼識別庫 Tess4j 學習

 

【在用java的Jsoup做爬蟲爬取數據時遇到了驗證碼識別的問題（基於maven），找了網上挺多的資料，發現Tess4j可以自動識別驗證碼，在這里簡單記錄下學習過程及遇到的一些問題。】

 

步驟：

1. 把tessreact項目里面的tessdata文件夾提取出來放在某個位置：https://github.com/tesseract-ocr/tesseract
2. 需要在步驟一的tessdata文件中加入相關語言包（訓練文件），在這里下載：https://github.com/tesseract-ocr/tessdata ，如果是簡單的英文數字驗證碼，下載 eng.traineddata然后放到文件夾里即可，中文的是chi開頭的traineddata。
3. 導入相關依賴，maven相關依賴如下：

<dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>3.8.1</version>
            <scope>test</scope>
        </dependency>
        <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>4.1.1</version>
            <exclusions>
                <exclusion>
                    <groupId>com.sun.jna</groupId>
                    <artifactId>jna</artifactId>
                </exclusion>
            </exclusions>
        </dependency>
    </dependencies>

 

4，編寫相關代碼（自測可正常運行）：

package yanZhengMaTest.pikachu;

import java.io.File;

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

public class Test {    
    public static void main(String[] args) {
        
        //驗證碼圖片存儲地址
        File imageFile = new File("C:\\Users\\pc\\Desktop\\1.gif");
        if(!imageFile.exists()){
            System.out.println("圖片不存在");;
        }
        Tesseract tessreact = new Tesseract();
        tessreact.setDatapath("F:\\Program Files (x86)\\Tesseract-OCR\\tessdata");
        
        String result;
        try {
            result = "測驗結果：" + tessreact.doOCR(imageFile);
            System.out.println(result);
        } catch (TesseractException e) {
            e.printStackTrace();
        }
        
    }
}

 

出現異常及處理：

（本人因為開始的時候沒用maven導入依賴，自己去下載了各種網上要的jar包去導入，遇到了一堆問題，最后卡在了Invalid memory access這個異常上，后來通過換成maven項目並解決了異常）

A.【Exception in thread "main" java.lang.Error: Invalid memory access：】

     如果出現類似於 Invalid memory access的異常

(1). 首先你先確定JAVA代碼中：

tessreact.setDatapath("F:\\Program Files (x86)\\Tesseract-OCR\\tessdata");

這里的地址要填你步驟一下載的tessdata文件夾地址。

(2). 如果地址無誤，那可能是你tess4j依賴的版本太低，需重新導入依賴，在pom中修改即可。

B.【Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract：】

     發生該異常的原因是JDK版本低於1.7，使用1.7以上即可解決問題。

C.【出現圖片非法異常】：可能是你圖片有問題，換張圖片試試，下載的圖片不要去修改它的后綴，否則也可能報錯。

 

痛的領悟：

不要直接用java項目自己去導入相關jar包，直接用maven項目去加入依賴包就好，否則可能會出現一堆莫名其妙的異常，個人覺得是因為maven項目依賴包導入時還會導入其他jar包，java項目則需要自己去補增一些jar包，在此建議用maven。

 

附：

tess4j相關視頻：http://tphangout.com/how-to-use-the-tesseract-api-to-perform-ocr-in-your-java-code/

Tesseract-orc-setup下載地址（非必要）：https://digi.bib.uni-mannheim.de/tesseract/

Tesseract-orc-setup安裝過程(非必要)：https://jingyan.baidu.com/article/219f4bf788addfde442d38fe.html

Tesseract-orc環境配置(非必要)：https://www.cnblogs.com/jianqingwang/p/6978724.html

 可識別驗證碼示例：http://es.bnuz.edu.cn/checkcode.aspx?0.33556625493951997/