使用tesseract.js-offline识别图片文字记录

一、概述

Tesseract.js 是一个 JavaScript 库，可以从图像中获取几乎任何语言的单词。

• 离线版：https://github.com/jeromewu/tesseract.js-offline
• 电子版：https://github.com/jeromewu/tesseract.js-electron
• 自定义训练数据：https://github.com/jeromewu/tesseract.js-custom-traineddata
• Chrome 扩展 #1：https://github.com/jeromewu/tesseract.js-chrome-extension
• Chrome 扩展 #2：https://github.com/fxnoob/image-to-text
• Firefox 扩展：https://github.com/gnonio/korporize
• 使用 Vue：https://github.com/jeromewu/tesseract.js-vue-app
• 使用 Angular：https://github.com/jeromewu/tesseract.js-angular-app
• 使用 React：https://github.com/jeromewu/tesseract.js-react-app
• Typescript：https://github.com/jeromewu/tesseract.js-typescript
• 视频实时识别：https://github.com/jeromewu/tesseract.js-video

二、离线版

• 克隆

git clone https://github.com/jeromewu/tesseract.js-offline

• 依赖下载

yarn/npm install

• 启动
• 访问http://127.0.0.1:3000/browser/index.html
• 或者不启动直接对html文件进行Open with Live Server

npm run start

• 直接使用脚本运行英文示例

const { createWorker } = require('tesseract.js');
const path = require('path');
// 语言设置，单种语言识别
// chi_sim----eng
const language = 'eng'

const worker = createWorker({
  langPath: path.join(__dirname, '..', 'lang-data'), 
  logger: m => console.log(m),
});

(async () => {
  await worker.load();
  await worker.loadLanguage(language);
  await worker.initialize(language);
  const { data: { text } } = await worker.recognize(path.join(__dirname, '..', 'images/en', 'demo_eurotext.png'));
  console.log(text);
  await worker.terminate();
})();

node .\node\index.js

• 识别其他语言chi_sim是中文

其他语言训练数据下载

• 下载后放置在lang-data
• 应用后会解压