JamJavaUtil

数据库连接类

增加了mysql和sqlite 支持，修改配置文件可以切换数据源 数据库连接 查询转JSON对象或者JAVA对象 list插入数据库

OCR 文字识别

分层结构

• 通用能力（识别任意图片文字，与业务无关）：
  • TesseractOcrUtil —— 基于 Tesseract（tess4j）
    • ocr(...)：通用识别（自动版面分析）
    • ocrDocument(...)：文档 / 代码截图专用（PSM6 整块文本 + 放大 3 倍），直接返回 Tesseract 的识别文本，不额外补空格或缩进
  • DdddOcrUtil —— 基于 ddddocr（ONNX），仅适合验证码等极短文本
• 业务封装：
  • VerifyCodeUtil —— 验证码识别（内部调用上面的通用工具，附加单行模式与字符白名单）
    • 默认识别方案为 ddddocr：OCRCode(...) 与 ocrCode(...) 均走 ddddocr
    • 如需 Tesseract 方案，请显式调用 tesseractOcrCode(...)

模型目录（models/）

所有模型统一放在 models/ 目录，已随仓库提交，开箱即用：

• eng.traineddata（约 22MB）—— Tesseract 英文语言数据
• common_old.onnx（约 13MB）—— ddddocr 默认 OCR 模型
• charset_old.txt —— ddddocr 模型配套字符集（8209 个字符）

路径均可用 JVM 参数覆盖：

• Tesseract 数据目录：-Dtesseract.datapath=models
• ddddocr 模型：-Dddddocr.model.path=models/common_old.onnx
• ddddocr 字符集：-Dddddocr.charset.path=models/charset_old.txt

关于 common_old.onnx 的输出 shape（已修正，勿与其他情况混淆）

官方发布的 common_old.onnx 把输出节点声明为 [1, -1]（2 维），而模型真实输出是 [T, 1, C]（时间步 × batch × 类别数，3 维）。ONNX Runtime 会在每次推理时打印一条 W 级警告：

[W:onnxruntime:, execution_frame.cc:870 onnxruntime::ExecutionFrame::VerifyOutputSizes]
Expected shape from model of {1,-1} does not match actual shape of {20,1,8210} for output 387

这只是模型的描述性元数据写错了，ORT 会以实际 shape 执行，不影响识别结果。

本仓库已把该模型的输出 shape 元信息修正为 [T, N, 8210]（仅改元数据，未改动任何权重与计算逻辑， 修正后识别结果与修正前完全一致），因此正常运行不会再出现这条警告。 若你重新从官方下载 common_old.onnx，该警告会再次出现 —— 属模型自身瑕疵，可忽略，或按下方脚本修正。

修正脚本（需要 pip install onnx）：

import onnx
from onnx import TensorProto, helper

path = "models/common_old.onnx"
model = onnx.load(path)
fixed = [helper.make_tensor_value_info(o.name, TensorProto.FLOAT, ["T", "N", 8210])
         for o in model.graph.output]          # 原始误标为 [1, -1]
del model.graph.output[:]
model.graph.output.extend(fixed)
onnx.checker.check_model(model)
onnx.save(model, path)

使用示例

// 通用文字识别
TesseractOcrUtil.ocr("doc.png");                       // 默认 eng + 自动版面
TesseractOcrUtil.ocr("cn.png", "chi_sim", 3, null);    // 指定语言

// 文档 / 代码截图（多行文本，保留换行与缩进）
TesseractOcrUtil.ocrDocument("img.png");               // img.png 为仓库内附带的示例代码截图

// 验证码等极短文本
DdddOcrUtil.ocr("captcha.png");                        // ddddocr 方案（仅适合短文本）

// 验证码识别（默认方案为 ddddocr）
VerifyCodeUtil.OCRCode("captcha.png");                 // 默认 ddddocr，失败返回 null（兼容旧调用）
VerifyCodeUtil.ocrCode("captcha.png");                 // 默认 ddddocr，返回 Optional<String>
VerifyCodeUtil.ddddOcrCode("captcha.png");             // 显式 ddddocr 方案
VerifyCodeUtil.tesseractOcrCode("captcha.png");        // 显式 Tesseract 方案

img.png 是仓库内附带的一张 Java 代码截图，用于演示与测试文档文本识别效果 （对应测试见 OcrCodeUtilTest#ocrDocumentImage）。

验证码识别方案对照：

方法	使用方案	返回
VerifyCodeUtil.OCRCode(path)	ddddocr（默认）	String，失败为 null
VerifyCodeUtil.ocrCode(path)	ddddocr（默认）	Optional<String>
VerifyCodeUtil.ddddOcrCode(path)	ddddocr	Optional<String>
VerifyCodeUtil.tesseractOcrCode(path)	Tesseract（单行模式 + 字符白名单）	Optional<String>

默认识别方案从 Tesseract 切换为 ddddocr 后，旧的 OCRCode(path) 调用无需改动即可获得更高的验证码识别准确率。

更换 / 新增自己的模型

Tesseract（更换语言或模型）

• 从 https://github.com/tesseract-ocr/tessdata 下载 *.traineddata（如简体中文 chi_sim.traineddata），放入 models/
• 调用时指定语言即可：TesseractOcrUtil.ocr(image, "chi_sim", 3, null)
• 若模型放在其他目录，用 -Dtesseract.datapath=你的目录 指定

ddddocr（更换为自己的 ONNX 模型）

• 把模型与配套 charset 放入 models/，用 JVM 参数指定： -Dddddocr.model.path=models/my_model.onnx -Dddddocr.charset.path=models/my_charset.txt
• 要求：输入为高度 64 的单通道灰度图，输出为 CTC 字符序列（[T,1,C] 或 [1,T,C]），charset 索引 0 为 blank
• 字符集导出方式： python -c "import ddddocr.charsets as c; open('charset_old.txt','w',encoding='utf-8').write(''.join(c.CHARSET_OLD[1:]))"
• 输入尺寸不同的模型，需同步调整 DdddOcrUtil.INPUT_HEIGHT 与预处理逻辑

一些常用的工具的Java代码实现。

現有的工具包括

• 工具类

加密：MD5 hash256

文件操作类： 文件和文件夹的操作，创建，删除，移动，复制和解压缩

EXCEL操作类： 表格的基本操作

排序：常用的排序，如快排，冒泡，归并等

文本类: 文件的读取，写入等操作

正则表达式：常用的规则判断，如邮箱，电话，身份证，汉字，整数等

• 集合类

LinkedList 实现的 队列

LinkedList 实现的 栈

一些易混淆的 测试 例子。

例如

output is : "value is = 9.0" , ps: 10.9d is a double var,so 9i is convert to 9.0d

System.out.println("value is = " + ( (a < 5 )? 10.9 : 9 ));