当前位置：网站首页>有了这款工具，自动化识别验证码再也不是问题

有了这款工具，自动化识别验证码再也不是问题

2022-06-29 01:06:00 【小梧敲代码】

环境准备

1、windows 环境下载 exe

http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe

双击 exe，一路 next 完成 Tesseract-OCR 安装在这里插入图片描述

2、配置环境变量

PATH 增加 D:\ProgramFiles\Tesseract-OCR

新建环境变量 TESSDATA_PREFIX 值为

 D:\ProgramFiles\Tesseract-OCR\tessdata

这是将语言字库文件夹添加到环境变量 TESSDATA_PREFIX 中

CMD 命令行窗口输入如下命令：

查看版本号

C:\Users\18611>tesseract -v 

tesseract 4.00.00alpha 

leptonica-1.74.1 

libgif 4.1.6(?) : libjpeg 8d (libjpeg-turbo 1.5.0) : libpng  1.6.20: libtiff 4.0.6 : zlib 1.2.8 :  

libwebp 0.4.3 : libopenjp2 2.1.0

查看支持的语言包

C:\Users\18611>tesseract --list-langs 

List of available languages (2): 

eng 

osd 



C:\Users\18611>

命令识别图片

识别如下图片验证码

在这里插入图片描述

使用 tesseract 命令识别图片中的内容

C:\Users\18611>cd Desktop 

C:\Users\18611\Desktop>tesseract test2.png output 

Tesseract Open Source OCR Engine v4.00.00alpha with Leptonica 

C:\Users\18611\Desktop>

【语法】:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]

imagename 为目标图片文件名，需加格式后缀；

outputbase 是转换结果文件名；

lang 是语言名称（在 Tesseract-OCR 中 tessdata 文件夹可看到以 eng 开头的语言文件 eng.traineddata），如不标-l eng 则默认为 eng。

java自动识别图片

将 tesseract.exe 命令保存为 bat 文件，bat 内容为：

//图片路径 D:\Tesseract-OCR\test.png 生成 txt 文件存放路径及文件名 result

代码实现如下：

package com.mtx.util;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.InputStreamReader;



/** * @ClassName ReadCpacha * @Description TODO * @Author 彩虹 rainbow QQ3130978832 * @Date-Time 2022/6/9 13:55 * @ProjectName MtxPublic * @Copyright 北京码同学网络科技有限公司 **/



public class ReadCpacha{
      



public static String readPic(){
      

        String cmd= "cmd /c start D:\\Tesseract-OCR\\tesseract.bat";  

    try {
      

         Runtime.getRuntime().exec(cmd);  

    } catch(Exception e) {
      

            e.printStackTrace();  

    }  

    try {
      

         //线程阻塞 3 秒等待 tesseract.exe 执行完成  

         Thread.sleep(3000);  

    }catch (InterruptedException e) {
      

         e.printStackTrace();  

    }  

    //执行 tesseract.exe 识别图片后生成 result.txt 文件中保存识别后验证码  

         //读取 result.txt 文件获取验证码  

         // ReadTxt 

        BufferedReader bufferedReader = new BufferedReader(inputStreamReader);  

         StringBuffer sb= new StringBuffer();  

         String text = null;  

         while((text = bufferedReader.readLine()) != null){
      

               //逐行读取到的字符串存到 StringBuffer 对象  

                    sb.append(text);  

          }  

          return sb.toString();  

       }catch (Exception e) {
      

            e.printStackTrace();  

       }  

    }  

      return null;  

  }  

    public static void main(String[] args) {
      

        String str = readPic();//调用封装方法测试  

        System.out.println(str);  

    }

}



C:\Users\18611\IdeaProjects\MtxPublic>tesseract --help-psm

Page segmentation modes:  

0 Orientation and script detection (OSD) only.  

1 Automatic page segmentation with OSD.  

2 Automatic page segmentation, but no OSD, or OCR.  

3 Fully automatic page segmentation, but no OSD. (Default)  

4 Assume a single column of text of variable sizes.  

5 Assume a single uniform block of vertically aligned text.  

6 Assume a single uniform block of text.  

7 Treat the image as a single text line.  

8 Treat the image as a single word.

9 Treat the image as a single word in a circle.

10 Treat the image as a single character.

11 Sparse text. Find as much text as possible in no particular order.

12 Sparse text with OSD.

13 Raw line. Treat the image as a single text line,  bypassing hacks that are Tesseract-specific.



C:\Users\18611\IdeaProjects\MtxPublic>