- 操作系统：MacOS
一、安装Tesseract OCR
- brew安装5.x版本：
brew install tesseract - 下载中文语音包放到data文件夹：
/usr/local/share/tessdata - 查看版本：
tesseract --version - 查看安装的语言包：
tesseract --list-langs
二、Java编码
- 引入tess4j
<dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>5.13.0</version>
</dependency>
- 编码
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.util.ImageHelper;
import java.awt.image.BufferedImage;
import java.io.File;
import javax.imageio.ImageIO;public class IDCardOCR {public static void main(String[] args) {// 图片路径String imagePath = "/Users/qihang/Downloads/sfz1.jpg";// 创建 Tesseract OCR 引擎ITesseract instance = new Tesseract();// 设置 Tesseract 路径，Tesseract 必须已安装并且可通过命令行访问instance.setDatapath("/usr/local/share/tessdata"); // 设置 tesseract 数据文件夹路径instance.setLanguage("chi_sim");try {// 读取身份证图片BufferedImage img = ImageIO.read(new File(imagePath));// 可以对图像进行一些预处理来提高识别效果img = ImageHelper.convertImageToGrayscale(img); // 转为灰度图像// 识别图像中的文本String result = instance.doOCR(img);// 输出识别结果System.out.println("识别结果: ");System.out.println(result);// 使用正则表达式提取身份证号码和姓名String name = extractName(result);String idNumber = extractIDNumber(result);// 输出提取结果System.out.println("姓名: " + name);System.out.println("身份证号码: " + idNumber);} catch (Exception e) {e.printStackTrace();}}// 清洗文本，移除多余的空格和符号public static String cleanText(String text) {// 替换掉非中文字符、数字和不必要的空格text = text.replaceAll("[^\\u4e00-\\u9fa5]", ""); // 只保留中文字符return text;}// 提取姓名，假设姓名在文本的前面，长度为2到4个汉字public static String extractName(String text) {String regex = "^[\u4e00-\u9fa5]{2,4}"; // 姓名假设为2到4个汉字java.util.regex.Pattern pattern = java.util.regex.Pattern.compile(regex);java.util.regex.Matcher matcher = pattern.matcher(text);if (matcher.find()) {return matcher.group();}return "未识别到姓名";}// 提取身份证号码（假设身份证号码是18位数字，最后一位可能是字母X）public static String extractIDNumber(String text) {String regex = "\\d{17}[\\dXx]"; // 身份证号码的正则表达式java.util.regex.Pattern pattern = java.util.regex.Pattern.compile(regex);java.util.regex.Matcher matcher = pattern.matcher(text);if (matcher.find()) {return matcher.group();}return "未识别到身份证号码";}
}基本能跑起来，还有很多问题，未完待续！
