您现在的位置是:网站首页> 内容页

Java 验证码识别库 Tess4j 学习

  • 辉煌官方网站
  • 2019-03-14
  • 280人已阅读
简介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,

Java 验证码识别库 Tess4j 学习

 

【在用javaJsoup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,在这里简单记录下学习过程及遇到的一些问题。】

 

步骤:

    tessreact项目里面的tessdata文件夹提取出来放在某个位置:https://github.com/tesseract-ocr/tesseract需要在步骤一的tessdata文件中加入相关语言包训练文件),在这里下载:https://github.com/tesseract-ocr/tessdata 如果是简单的英文数字验证码,下载 eng.traineddata然后放到文件夹里即可,中文的是chi开头的traineddata导入相关依赖,maven相关依赖如下:

<dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>3.8.1</version> <scope>test</scope> </dependency> <dependency> <groupId>net.java.dev.jna</groupId> <artifactId>jna</artifactId> <version>4.2.1</version> </dependency> <dependency> <groupId>net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.1.1</version> <exclusions> <exclusion> <groupId>com.sun.jna</groupId> <artifactId>jna</artifactId> </exclusion> </exclusions> </dependency> </dependencies>

 

4,编写相关代码(自测可正常运行):

package yanZhengMaTest.pikachu;import java.io.File;import net.sourceforge.tess4j.Tesseract;import net.sourceforge.tess4j.TesseractException;public class Test { public static void main(String[] args) { //验证码图片存储地址 File imageFile = new File("C:\Users\pc\Desktop\1.gif"); if(!imageFile.exists()){ System.out.println("图片不存在");; } Tesseract tessreact = new Tesseract(); tessreact.setDatapath("F:\Program Files (x86)\Tesseract-OCR\tessdata"); String result; try { result = "测验结果:" + tessreact.doOCR(imageFile); System.out.println(result); } catch (TesseractException e) { e.printStackTrace(); } }}

 

出现异常及处理

(本人因为开始的时候没用maven导入依赖,自己去下载了各种网上要的jar包去导入,遇到了一堆问题,最后卡在了Invalid memory access这个异常上,后来通过换成maven项目并解决了异常)

A.Exception in thread "main" java.lang.Error: Invalid memory access:】

     如果出现类似于 Invalid memory access的异常

(1). 首先你先确定JAVA代码中:

tessreact.setDatapath("F:\Program Files (x86)\Tesseract-OCR\tessdata");

这里的地址要填你步骤一下载的tessdata文件夹地址。

(2). 如果地址无误,那可能是你tess4j依赖的版本太低,需重新导入依赖,在pom中修改即可。

B.Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract:】

     发生该异常的原因是JDK版本低于1.7,使用1.7以上即可解决问题。

C.【出现图片非法异常】:可能是你图片有问题,换张图片试试,下载的图片不要去修改它的后缀,否则也可能报错。

 

痛的领悟

不要直接用java项目自己去导入相关jar包,直接用maven项目去加入依赖包就好,否则可能会出现一堆莫名其妙的异常,个人觉得是因为maven项目依赖包导入时还会导入其他jar包,java项目则需要自己去补增一些jar包,在此建议用maven

 

附:

tess4j相关视频:http://tphangout.com/how-to-use-the-tesseract-api-to-perform-ocr-in-your-java-code/

Tesseract-orc-setup下载地址(非必要)https://digi.bib.uni-mannheim.de/tesseract/

Tesseract-orc-setup安装过程(非必要)https://jingyan.baidu.com/article/219f4bf788addfde442d38fe.html

Tesseract-orc环境配置(非必要)https://www.cnblogs.com/jianqingwang/p/6978724.html

 可识别验证码示例:http://es.bnuz.edu.cn/checkcode.aspx?0.33556625493951997/

文章评论

Top