Java Maven Tomcat使用Tesseract-OCR文字识别(Tess4j)

由于项目中需要用到简单的图片识别技术，所以就选择了开源的Tesseract-OCR。可是本地在使用官网demo能正常运行，但是部署到tomcat后，就报java.lang.Error: Invalid memory access异常。

尝试百度后，并没有搜到相关记载。在苦思冥想后，总算被我想到一个解决方案。前面5步是调用官网demo的用例，如果你也遇到相同的tomcat部署后异常问题，请从第6步浏览；

1.下载源码包

tess4j源码包:https://sourceforge.net/projects/tess4j/
中文库地址：https://github.com/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata
其他语言包地址：https://github.com/tesseract-ocr/tessdata
tess4j源码包（百度网盘地址）：

链接：https://pan.baidu.com/s/1OZa45g0gZ95iYgPb_nUGvw?pwd=juiz

提取码：juiz

2.用idea打开源码包

3.导入dist目录和lib目录的jar包

4.编写测试用例调用OCR

package net.sourceforge.tess4j;import java.io.File;public class Test {public static void main(String[] args) throws TesseractException {long startTime = System.currentTimeMillis();File imgDir = new File("C:\Users\YX001\Desktop\tess4j\201909111625565.png");ITesseract instance = new Tesseract();instance.setLanguage("eng"); //选择语言String ocrResult = instance.doOCR(imgDir);// 输出识别结果System.out.println("OCR Result: \n" + ocrResult + "\n 耗时：" + (System.currentTimeMillis() - startTime) + "ms");}
}

5.运行结果

官网demo没问题后，我们开始将Tess4j引入到maven项目里

6.配置pom.xml文件

        <dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>3.4.8</version></dependency>

注意：可能会造成jar包冲突，只需要把pom文件里的注释掉就好。我这里是造成slf4j冲突

7.将步骤1中的OCR配置文件，存放到项目

8.将步骤4的测试用例，复制到项目里并运行，结果正常

9.但是将项目部署到tomcat后，运行异常，报错如下：

10.分析原因

后面不断的尝试，并查看官网。发现Tess4j读取OCR配置文件的路径是“./tessdata”（虽然我尝试修改过读取路径，但是失败了）。

所以测试用例执行的时候，相对路径“./tessdata”对应的是项目下的tessdata，而部署到tomcat上的相对路径“./tessdata”对应的应该是tomcat的bin目录下的tessdata。程序找不到tessdata配置文件，所以报错了。

于是我将tessdata复制一份到tomcat的bin目录下，并运行。

11.优化思路

由于将tessdata文件人工存入tomcat的bin目录上，是比较蠢的行为。

1.测试以及生产的tomcat都需要上传一份tessdata文件。如果经历tomcat版本更替，且并未有人知道要在bin目录里上传tessdata文件，则图片识别会报错。

2.本地多人协同开发，每个人都需要往本地tomcat的bin目录上传tessdata文件，显然也是比较麻烦的事情且容易遗忘的事情，而且提供的报错内容，如果不是跟着本博文思路走，很难解决调。

优化：所以我建议将tessdata文件存放在项目里经常使用的公共目录，比如：模板目录。当调用OCR识别时，先判断相对路径“./”下是否存在tessdata文件，不存在则将公共目录下的tessdata复制过去即可。