Java 验证码识别库 Tess4j 学习
2018-08-02 05:54:03来源:博客园 阅读 ()
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,在这里简单记录下学习过程及遇到的一些问题。】
步骤:
- 把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/
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
- 国外程序员整理的Java资源大全(全部是干货) 2020-06-12
- 2020年深圳中国平安各部门Java中级面试真题合集(附答案) 2020-06-11
- 2020年java就业前景 2020-06-11
- 04.Java基础语法 2020-06-11
- Java--反射(框架设计的灵魂)案例 2020-06-11
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash