java实现提取图片文字信息并生成表格

对图片进行水印处理，利用TESS4J识别图片并提取信息生成excel表格。里面有字库文件所以占用空间较大。 说明：https://blog.csdn.net/xlantian/article/details/80789115

import java.awt.Rectangle;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;

import net.sourceforge.tess4j.*;
import org.apache.poi.ss.usermodel.HorizontalAlignment;
import org.apache.poi.xssf.usermodel.*;



public class RP {
	private String a0=“无法识别“c0=“无法识别“;
	
		public void PickUp（String s）             //提取文字中的公司名和注册号
		{
			int c1=-1c2=-1;
			c1=s.lastIndexOf（“号 :“）;
			c2=s.indexOf（“\n“）;
			if（c1!=-1&&c2!=-1）
			{
				c0=s.substring（c1+4 c2）;
				
			}
			int a1=-1a2=-1;
			a1=s.indexOf（“称 :“）;
			a2=s.lastIndexOf（“\n“）;
			if（a1!=-1&&a2!=-1）
			{
				a0=s.substring（a1+4 a2）;
				
			}
		/*	else{
				int b1=s.indexOf（“名称:“）;
			    int b2=s.lastIndexOf（“有限公司“）;
			    if（b1!=-1）
			    {
				  b0=s.substring（b1+3 b2+2）;
				}
			}*/
		}
		public void toExcel（int iXSSFWorkbook wbXSSFSheet sheet）           //将文字信息做成表格
		{
			if（i==0）                                                    //第一行的话，就设置列名等属性
			{
				XSSFRow row=sheet.createRow（0）;
				XSSFCellstyle style=（XSSFCellstyle）wb.createCellstyle（）;
				style.setAlignment（HorizontalAlignment.CENTER）;
				XSSFCell cell=row.createCell（0）;
				cell.setCellValue（“企业名称“）;
		        cell.setCellstyle（style）;          
		        cell = row.createCell（1）; 
		        cell.setCellValue（“企业注册号“）;  
		        cell.setCellstyle（style）;
			}
			else                                   //不是第一行就将识别到的信息输入表格
			{
				XSSFRow row = sheet.createRow（i）; 
				row.createCell（0）.setCellValue（this.a0）;  					
				row.createCell（1）.setCellValue（this.c0）; 
			}
		}
	public static void main（String[] args） throws IOException {
		RP rp=new RP（）;
		int num=1;
		Rectangle ret=new Rectangle（0055080）;           //设置一个矩形区域，作为识别部分，减少运行时间提高识别率
		File root = new File（System.getProperty（“user.dir“） + “/imgs“）;//存放处理后的图片，imgs文件夹
		File res=new File（System.getProperty（“user.dir“） + “/res“）;//源图片位置，res文件夹下
		
		ITesseract instance = new Tesseract（）;
		instance.setLanguage（“songti“）;              //使用训练好中文字库识别
		
		XSSFWorkbook wb=new XSSFWorkbook（）;
		XSSFSheet sheet=wb.createSheet（“信息汇总“）;
		rp.toExcel（0wbsheet）;        //设置列名
		
		try {
			File[] ress = res.listFiles（）;
			int i=0;
			for（File file : ress）{
				i++;
				WaterMark.Clean（file.getAbsolutePath（）“F:\\eclipse-workspace\\ReadPicture\\imgs\\“+i+“.png“）;
			}        //去除源图片水印，处理后的图片放到img文件夹
			
			
			File[] files = root.listFiles（）;
			for （File file : files） {                        //对去除水印后的图片逐个处理
				String result = instance.doOCR（fileret）;          //开始采用doOCR（file）效率很低，因为图片内容太多
				System.out.print（result）;
				rp.a0=“无法识别“;
				rp.c0=“无法识别“;
				rp.PickUp（result）;             //调用信息提取的函数，提取出企业名和企业注册号
				rp.toExcel（numwbsheet）;      //调用toExcel函数，将提取到的信息写入
				num++;
			}
		} catch （TesseractException e） {
			System.err.println（e.getMessage（））;
		}
		
		
		 try {  
	            FileOutputStream fout = new FileOutputStr

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-06-15 10:49  ReadPicture\
     文件        2180  2018-05-27 13:22  ReadPicture\.classpath
     文件         387  2018-05-21 20:13  ReadPicture\.project
     目录           0  2018-06-21 13:52  ReadPicture\.settings\
     文件         592  2018-05-21 20:13  ReadPicture\.settings\org.eclipse.jdt.core.prefs
     目录           0  2018-06-21 13:52  ReadPicture\bin\
     目录           0  2018-06-16 11:23  ReadPicture\bin\com\
     目录           0  2018-06-16 11:23  ReadPicture\bin\com\recognition\
     目录           0  2018-06-16 11:23  ReadPicture\bin\com\recognition\software\
     目录           0  2018-06-16 11:23  ReadPicture\bin\com\recognition\software\jdeskew\
     文件         676  2018-06-16 11:23  ReadPicture\bin\com\recognition\software\jdeskew\ImageDeskew$HoughLine.class
     文件        3616  2018-06-16 11:23  ReadPicture\bin\com\recognition\software\jdeskew\ImageDeskew.class
     文件        3316  2018-06-16 11:23  ReadPicture\bin\com\recognition\software\jdeskew\ImageUtil.class
     目录           0  2018-06-16 11:23  ReadPicture\bin\net\
     目录           0  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\
     目录           0  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\
     文件         287  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$CANCEL_FUNC.class
     文件         892  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$EANYCODE_CHAR.class
     文件        1263  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$ETEXT_DESC.class
     文件         559  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessbaseAPI.class
     文件         580  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessChoiceIterator.class
     文件         583  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessMutableIterator.class
     文件         411  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessOcrEngineMode.class
     文件         421  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessOrientation.class
     文件         574  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessPageIterator.class
     文件         421  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessPageIteratorLevel.class
     文件         785  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessPageSegMode.class
     文件         438  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessParagraphJustification.class
     文件         841  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessPolyBlockType.class
     文件         580  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessResultIterator.class
     文件         580  2018-06-16 11:23  ReadPicture\bin\net\sourceforge\tess4j\ITessAPI$TessResultRenderer.class
............此处省略153个文件信息