Mac/Linux下Tesseract-OCR 的安装与使用
废话不多说，先上码：
依赖jar包（我这里用的gradle构建的，maven类似）：
compile 'net.java.dev.jna:jna:4.5.0'
compile ('net.sourceforge.tess4j:tess4j:3.4.1'){
exclude group: 'com.sun.jna', module:'jna'//据说jdk自带的jna包不兼容，所以这里需要exclude掉
}
import java.io.File;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
public class ReadImg {public static void main(String args[]){
File dir = new File("/Users/xx/Desktop/test/img/");
File[] files = dir.listFiles();
for (File imageFile : files) {
Tesseract tessreact = new Tesseract();
tessreact.setDatapath("/Users/xx/Desktop/test/tessdata"); //语言包文件路径
try {
String result = tessreact.doOCR(imageFile);
System.out.println(imageFile.getName()+":"+result);
} catch (TesseractException e) {
System.err.println(e.getMessage());
}
}
}
}
一切看上去都这么简单，运行一下=>各种内裤找不到，于是baidu、google，一顿找之后发现本地需要安装tessreact,
吐槽一下：TMD既然提供了jar包，为什么不把依赖的lib等等都集成进去，非得单独安装。
说安装我们就来安装
==========MAC下安装tessreact===================
mac要比win费劲一些，毕竟网上大都是些windows的贴，找了很多网站，stackoverflow等等都翻了一遍，
最后聚焦到三个单词：brew install tesseract ；
如果找不到brew命令 ，自行百度谷歌安装brew，这里就不细说了，这个命令类似Linux的yum，apt-get，也是一方神器，我之前没用过，安装还费了些劲，就提一点吧，如果brew update很长时间没反应，可能是被great wall挡了，你需要梯子
安装之前还有一点需要注意，mac下brew安装默认会到/usr/local目录下，但是这个目录是root才能访问，切换到root，然后chown -R xx（你的用户名）/usr/local/ ，修改/usr/local的归属，如果改不成功，提升没权限，那是因为mac做了防护机制，你需要重启电脑然后按着Command+R，在修复界面，调出终端，然后在命令行输入csrutil disable ，关闭防护机制，然后再执行即可；
安装完成之后：tesseract --version 查看下，会显示如下信息：
tesseract 3.05.01
leptonica-1.75.3
libjpeg 9c : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11
说明安装成功！
接下来找到你本地的tessdata目录，brew方式默认安装到/usr/local/share/tessdata目录，可以自己copy出来自定义目录，比如我放在/Users/xx/Desktop/test/tessdata，对应设置tessreact.setDatapath("/Users/xx/Desktop/test/tessdata")即可，最后需要下载识别的语言包，地址：https://github.com/tesseract-ocr/tessdata
这里根据自己的需要下载相应的语言包，比如下载eng.traineddata，然后把eng.traineddata放到tessdata目录里面，至此main方法跑起来，成功！
注：数字和英文组合的验证码就用eng.traineddata/enm.traineddata，git上提供的语言包不是很准，有个别数字字母出不来的可以自己去训练自己的语言文件，这里我暂时没有进一步尝试了，自行百度吧。
==========LINUX下安装tessreact===================
有了MAC的安装经历，linux还不是分分钟的事。。
源码安装走一波：
1、依赖工具
yum install autoconf automake libtool
yum install libjpeg-devel libpng-devel libtiff-devel zlib-devel
2、leptonica-1.72
wget http://www.leptonica.com/source/leptonica-1.72.tar.gz
tar xzvf leptonica-1.72.tar.gz
cd leptonica-1.72
./configure
make && make install
3、tesseract-ocr 3.04
wget https://github.com/tesseract-ocr/tesseract/archive/3.04.00.tar.gz
tar xzvf 3.04.00.tar.gz
cd tesseract-3.04
./configure
make && make install
安装完成之后，剩下的内容和mac基本一样，参照mac配置即可。
可能遇到的问题：我的是centos64位的系统，运行时报错提示
java.lang.UnsatisfiedLinkError: Unable to load library 'tesseract': Native library (linux-x86-64/libtesseract.so) not found in resource path ....
这个问题困扰了很久，最后
cp -r /usr/local/lib/ /usr/lib64 解决，猜想是jvm默认读取的系统类库路径不一样吧。