离线、轻量、免费的OCR信创桌面工具

背景

OCR这项技术历来是大企业的专属，而且由于实现起来非常复杂，造成类库依赖非常严重，结果就是特别重，动辄需要几个G，甚至上百G空间，往往还需要连接互联网。这种限制对于涉密企业来说极为难受，涉密企业不能上网，而且文件进入涉密网络要经过层层筛检，文件越多筛检越麻烦。总之，能够满足离线、轻量这两个关键要素的OCR工具非常少，信创系统下那就更少了。好在今天，DESK倚天剑出鞘了......

安装DESK倚天剑的OCR模块

大家下载DESK最新版本后，打开图片浏览器，并使用OCR分析功能默认会遇到如下提示：

提示会告诉你，OCR的依赖类库需要单独安装，并且告诉你下载地址和安装位置。由于DESK本身安装介质只有不到200M，尽管内置了轻量级别的OCR类库，也需要额外的400M，差距实在有点大。为了让大多数用户更加轻量，DeskUI团队采用了扩展库这种方式。安装过程非常简单，就是解压，复制，最后重启DESK软件。下图为拖拽复制的示例：

DESK的图片文字识别功能（OCR）

使用DESK的OCR识别单张图片主要有两种方法：

1. 使用ctrl+v把图片粘贴到DESK图形小工具上进行文字识别
2. 用DESK图形浏览器，无论是在本地还是远程服务器上，看到图片即可识别图片文字

使用剪切板粘贴的方式识别图片文字非常快捷，如下图所示：

分析远程或者本地服务器上的图片，非常方便，如下图：

另外值得一提的是，DESK的ocr分析功能可以把一些特定的表格转换成html页面，如下图所示：

今天的分析就先到这里了，有人可能会问一个PDF扫描版怎么批量转成文字？我知道，我知道。关于OCR批量转文字的内容咱们明天单独写文章。因为，今天还有一个更重要的内容需要分享给大家。

写到最后

很多热心网友误以为DeskUI团队很厉害，能够搞定OCR。其实并不是我们厉害，但的确有猛人，而且就是中国人。

坦率来说，DeskUI团队一直寻找一款纯java语言的轻量级类库至少一年多了。今天终于找到了，所以赶快集成起来分享给大家。DESK倚天剑中使用的OCR库来自“番石榴实验室”如下图所示：

不得不说国内有高人啊，这是笔者见到的唯一纯java语言的OCR类库。喝水不忘打井人，笔者代表DeskUI团队向“番石榴实验室”致以最崇高的敬意，祝他们的纯java OCR项目越来越完善。同时也建议那些投资人，别光投资那些概念如“这个底座，那个智能，一会大数据，一会大模型，多模态，超融合，区块链，神精元，高赋能，全周期.....”，也投资点类似“纯java OCR”这种能够实际落地的黑科技。