Java 集成 Umi-OCR 实现本地图片文字提取

Umi-OCR 内置 HTTP 服务，Java 程序通过发送请求调用。启动服务后，在全局设置中确认 HTTP 服务已开启。

HttpClient client = HttpClient.newHttpClient();
HttpRequest request = HttpRequest.newBuilder()
    .uri(URI.create("http://127.0.0.1:1224/argv"))
    .POST(HttpRequest.BodyPublishers.ofString("[\"--path\",\"test.png\"]"))
    .build();
HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());

方法三：工具类封装（适合项目集成）

将常用功能封装成工具类。

public class UmiOcrUtils {
    private static final String EXE_PATH = "C:/Umi-OCR/Umi-OCR.exe";
    
    public static String ocrImage(String imagePath) throws Exception {
        Process process = new ProcessBuilder(EXE_PATH, "--path", imagePath).start();
        return new String(process.getInputStream().readAllBytes(), "GBK");
    }
}

常见问题排查

1. 命令执行无响应？

   • 检查 Umi-OCR 是否已安装。
   • 验证文件路径是否包含中文或空格。
   • 尝试使用绝对路径调用。

2. 输出乱码怎么办？

   • 必须使用 GBK 编码读取输出。
   • 检查 Java 文件编码是否正确。
   • 尝试添加 --encoding utf-8 参数。

3. 批量处理效率低？

   • 确保使用 --batch 参数启用批量模式。
   • 调整线程数参数 --threads 4。
   • 避免同时处理超过 20 张大型图片。

4. HTTP 接口连接失败？

   • 在全局设置中确认 HTTP 服务已开启。
   • 检查端口是否被占用（默认 1224）。
   • 尝试重启 Umi-OCR 软件。

5. 识别准确率不高？

   • 更新到最新版本 Umi-OCR。
   • 在设置中调整识别引擎参数。
   • 确保图片清晰，文字区域足够大。

跨平台替代方案

虽然 Umi-OCR 主要面向 Windows 系统，但 Linux 和 macOS 用户也有替代方案。

Linux 系统：

1. 使用 Wine 运行 Umi-OCR（适合图形界面用户）。
2. 或选择 Tesseract+Python 脚本组合：

# 安装 Tesseract
sudo apt install tesseract-ocr
# 调用命令
tesseract image.png output

macOS 系统：

1. 使用 CrossOver 运行 Umi-OCR。
2. 或使用 Homebrew 安装 Tesseract：

brew install tesseract
tesseract image.png output

实战场景

场景一：自动提取发票信息

// 批量处理发票图片
List<String> paths = Arrays.asList("invoice1.png", "invoice2.png");
String result = UmiOcrUtils.batchOcr(paths, "--format json");
// 解析 JSON 提取金额、日期等关键信息
JSONArray json = new JSONArray(result);
for (int i = 0; i < json.length(); i++) {
    System.out.println("金额：" + json.getJSONObject(i).getString("amount"));
}

场景二：截图识别 + 翻译

// 调用截图 OCR
String text = UmiOcrUtils.screenshotOcr();
// 调用翻译 API
String translated = TranslationApi.translate(text, "en");
System.out.println("翻译结果：" + translated);

场景三：二维码解析

// 识别图片中的二维码
String qrContent = UmiOcrUtils.recognizeQrCode("qr_code.png");
System.out.println("二维码内容：" + qrContent);

OCR 工具横向对比

Umi-OCR 在部署难度和离线支持方面优势明显，非常适合对隐私要求高、不想折腾复杂配置的开发者。

进阶任务建议

1. 基础任务：编写 Java 程序，调用 Umi-OCR 识别一张本地图片，并将结果打印到控制台。
2. 进阶任务：识别包含表格的图片，使用正则表达式提取特定数据（如价格、日期），并保存到 Excel 文件。
3. 终极任务：开发一个批量 OCR 处理系统，支持拖放上传图片文件夹，自动识别并按规则命名输出文件，实现错误重试机制。