ocr智能图文识别 tess4j 图文,验证码识别
最近写爬虫采集数据,遇到网站登录需要验证码校验,想了想有两种解决办法
1,利用htmlunit,将验证码输入到swing中,并弹出一个输入框,手动输入验证码,这种实现方式,如果网站需要登录一次可以使用,如果每个5分钟就让你重新登录,校验验证码,那这法指定很麻烦,我总不能一直在这看着,每五分钟手动输入一次吧
2,为了避免上一个法子的弊端,就想到有没有可以自动识别验证码,让程序自己验证而不需要人工手动输入,然后从网上找到了解决方案,ocr - tesseract,但是网上的博客什么的都是一样的,把别人的博客copy过来,也不管代码到底能不能正常运行,因此写了这篇文章,希望可以帮助正卡在tesseract这的盆友(说的大义凛然)
对tess4j的使用总结
1,tess4j 封装了 tesseract-ocr 的操作
可以用很简洁的几行代码就实现原本tesseract-ocr 复杂的实现逻辑
如果你也想了解tesseract-ocr是怎么实现验证码识别的请移步我的另一篇文章
2,网上有很多说发布jar或war包之后需要自己加载dll,这是错误的
不需要再自己加载dll,tess4j已经自己封装了加载dll的操作
3,使用tess4j需要先安装 tesseract-ocr-setup-3.02.02
4,如果抛Invalid memory access 无效的内存访问异常,导致这个异常的原因是tessdata语言包的位置没有找到
5,下面就是我使用tess4j的一个使用demo
目录结构
tessdata 语言包放在了和src同级的目录
maven 依赖
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,测试代码
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 //读取一个文件夹下的所有图片并验证 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"); //加载语言包 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 // 读取图片字节数组 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())); //对图片进行处理 56 textImage = ImageHelper.getScaledInstance(image, image.getWidth() * 5, image.getHeight() * 5); //将图片扩大5倍 57 58 } catch (IOException e) { 59 e.printStackTrace(); 60 } 61 62 return textImage; 63 } 64 }
如果是web项目,需要指定 instance.setDatapath("E:\\ocr\\tesseract"); //tessdata 的目录为E:\\ocr\tesseract\tessdata,如果不指定也会抛Invalid memory access 异常
转载于:https://www.cnblogs.com/cmyxn/p/6993422.html
ocr智能图文识别 tess4j 图文,验证码识别相关推荐
- 图文识别(一):验证码识别---中、英文、数字混合的单行文字识别等
最近有位大神分享了一个验证码库,试用一下发现非常实用,特做个分享记录. Github地址:GitHub - sml2h3/ddddocr: 带带弟弟 通用验证码识别OCR pypi版 Pip地址:dd ...
- java tess4j mave_Java 验证码识别库 Tess4j 学习
Java 验证码识别库 Tess4j 学习 [在用 java 的 Jsoup 做爬虫爬取数据时遇到了验证码识别的问题(基于 maven ),找了网上挺多的资料,发现 Tess4j 可以自动识别验证码, ...
- C#.NET验证码智能识别学习笔记---01C#.NET验证码识别介绍
技术qq交流群:JavaDream:251572072 教程下载,在线交流:it.yunsit.cn 1.大家知道用asp.net做网站的话,验证码是存在于服务器端的session中的,服务器是知道 ...
- python验证码识别库_Python验证码识别
注意:若使用云服务器 (Windows Server版) 遇到闪退,请按照步骤:我的电脑--属性--管理--添加角色和功能--勾选桌面体验,点击安装,安装之后重启即可. 2020/06/01编外: 想 ...
- 点选识别DLL/滑块识别DLL/通用验证码识别DLL/图标点选/本地识别DLL
背景 验证码识别一直都是一个重要的话题,近日有一些公司询问 本地DLL验证码识别定制的事,可以联系QQ:[167231471]定制本地离线DLL验证码识别.另外给大家普及一下通用验证码识别和滑块缺口检 ...
- python调用百度识别文字接口_python调用百度通用文字识别接口进行验证码识别
官方文档入口 https://cloud.baidu.com/doc/OCR/OCR-Python-SDK.html#.E7.AE.80.E4.BB.8B 安装 pip3 install baidu- ...
- python 中文识别 不用tesseract_Python——验证码识别 Pillow + tesseract-ocr
简介 图片验证码识别的可以分为几个步骤,一般用 Pillow 库或 OpenCV 来实现,这几个过程是: 灰度处理&二值化 降噪 字符分割 标准化 识别 灰度化:在RGB模型中,如果R=G=B ...
- 中文验证码识别 java_opencv Tesseract 验证码识别 文字识别
环境搭建 安装Tesseract 下载64位 安装时可以选择语言包一路next 加入path环境变量后,查看是否成功,pycharm需要重新启动,否则找不到 C:\Program Files (x86 ...
- 滑块识别,滑块验证码识别平台,验证码识别
背景 验证码识别一直都是一个重要的话题,近日有一些公司询问 定制本地离线DLL验证码识别.另外给大家普及一下通用验证码识别和滑块缺口检测的解决方案[滑块]返回坐标:点击进入,如果调用量比较大,建议购 ...
最新文章
- windows 下mysql的安装于使用(启动、关闭)
- 几乎死循环的存储过程
- Linux磁盘管理----分区格式化挂载fdisk、mkfs、mount
- mysql对数据库的备份和还原
- 编程之美-数组分割方法整理
- Java IO: FileInputStream
- 查询oracle 数据库中回滚段中一个时间点被修改的表数据并还原表中原来数据
- c#生成token访问的接口_python测试开发django60.token登录(TokenAuthentication)
- BMap:JavaScript API
- 2021-08-02 修改表
- HDU5926 Mr. Frog’s Game
- 大学物理复习笔记:机械振动基础
- ug打开服务器文件保存不了,UG编程时突然提示保存不了,你该怎么办,看这里...
- 移动硬盘驱动器读到,但不显示盘符
- 低代码局中局:是IT革命还是高级外包? | 甲子光年
- python shutil删除_python删除文件
- 2022年车险攻略:1分钟告诉你什么是车险怎么买?
- Android 实现应用桌面角标
- python爬取桌面壁纸(初学者),一看就会
- 多地力推企业上云,大力发展工业互联网|中机智库
热门文章
- 【Live555】live555源码详解(七):GenericMediaServer、RTSPServer、RTSPClient
- jsp mysql 图片路径,请教JSP中怎么向MySql中存入和取出图片
- esxi 6.x 密码复杂度要求_还在为账号密码多而烦恼?
- ios超级签名_ios超级签名何以固若金汤?原因在这里
- nginx+lua实现上传文件到OSS
- 选课微信小程序开发 java
- python二分法求解_Python使用二分法求平方根的简单示例
- 微信小程序WebSocket实现聊天对话功能完整源码
- 【iOS】中间透明的引导蒙层
- iOS基础问答面试题连载-附答案