火车采集器官方博客

火车头通用OCR识别/验证码识别演示程序

作者：火车头 发布于：2011-3-9 15:16 Wednesday 分类：其它资源

引言： OCR技术是光学字符识别的缩写(Optical Character Recognition)，是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。适合于银行、税务等行业大量票据表格的自动扫描识别及长期存储。相对一般文本，通常以最终识别率、识别速度、版面理解正确率及版面还原满意度4个方面作为OCR技术的评测依据；而相对于表格及票据， 通常以识别率或整张通过率及识别速度为测定OCR技术的实用标准。

OCR识别在网站上广泛用于小幅图片的文本提取和验证码识别，以前很多识别程序都是基于特定网站，特定图片进行特征码分析。合肥乐维信息技术公司根据此前的技术积累，构架通用识别方案，做成此演示程序供大家测试。希望大家积极提供宝贵的测试意见，以便我们应用到软件开发中，服务广大站长。

 

该演示程序需要.net framework2.0 及支持 Microsoft Visual C++ 2008 SP1 Redistributable 支持。

.net framework2.0下载地址：
32位下载地址：http://download.microsoft.com/download/5/6/7/567758a3-759e-473e-bf8f-52154438565a/dotnetfx.exe
64位下载地址：http://download.microsoft.com/download/a/3/f/a3f1bf98-18f3-4036-9b68-8e6de530ce0a/NetFx64.exe

Visual C++ 2008 SP1 Redistributable：http://www.microsoft.com/downloads/zh-cn/details.aspx?FamilyID=a5c84275-3b97-4ab7-a40d-3802b2af5fc2

直接打开 LeWellOCR.exe 运行演示程序

1、从本地或者指定URL地址 打开需要识别的图片
2、可选是否对图片进行一些简单的处理操作，如果需要请添加滤镜对图片进行去噪
3、设置白名单和黑名单字符串，即允许和不允许在结果中出现的字符串
4、开始测试识别！

内置了几个基础的测试样式大家可以直接在项目中加载测试。

58同城验证码识别.xml，
454.cn验证码识别.xml，
ageow.com验证码识别.xml，
baike.sxlbl.com验证码识别.xml，
china.alibaba.com验证码识别.xml，
dfrxb.com验证码识别.xml，
hfzs.cn验证码识别.xml，
my.home.new.cn验证码识别.xml，
passport.cntv.cn验证码.xml,
pconline验证码.xml,
phone.10086.cn验证码识别.xml,
tongxue.com验证码识别.xml,
valve365.com验证码识别.xml,
口碑验证码识别.xml,
上海热线图片识别.xml 等。更多的大家可供试验，成功识别的网站欢迎评论留言。

 

2011-03-21更新：我们已将该功能做成火车采集器的插件，可成功运用到火车采集器2010版中，旗舰版企业版用户可以直接免费使用，请直接向您所属客服索要该识别插件。 详细内容见：  火车采集器通用OCR识别.NET插件(03-21更新 )

 

 

标签: 验证码识别 通用验证码识别 OCR验证码识别 通用OCR

评论(8) 引用(0) 浏览(34597)

通用自动更新程序完成

作者：小文 发布于：2011-3-7 21:54 Monday 分类：官方公告

在以前的火车采集器所有软件的更新中。每次升级都是一个比较复杂的过程。有时可能需要升级几次才能升级到最新版本，比较麻烦且不科学。针对此情况，我们开发了通用的升级程序，可以很方便的配置所有软件的升级，且可以一次升级到最新或是指定的版本，十分方便快捷。下边是一些软件的截图。

 

 

标签: 升级

评论(0) 引用(0) 浏览(5758)

火车采集器相关辅助工具的开发

作者：小文 发布于：2011-3-2 9:20 Wednesday 分类：开发计划

1.采集的数据最后导出文件时的文件命名规则可以设置。

评论(0) 引用(0) 浏览(4993)

论坛数据采集专家1.1版本发布

作者：小文 发布于：2011-1-19 14:30 Wednesday 分类：官方公告

论坛采集器在正式发布一段时间后,经过多次的修改升级,各项功能更加稳定.目前发布1.1版本.

下载地址:http://board.locoy.com/bbscopier.7z

评论(0) 引用(0) 浏览(5526)

火车头网页正文提取演示程序

作者：火车头 发布于：2010-12-21 17:40 Tuesday 分类：开发计划

信息抽取技术是一种广泛运用于互联网的数据挖掘技术。其目的是从互联网海量数据中抽取有意义、有价值的数据和信息，从而能更好的利用互联网资源。

正文提取就是将网页中的正文部分抽取出来。合肥乐维信息技术公司根据此前的技术积累，做成此演示程序供大家测试。希望大家积极提供宝贵的测试意见，以便我们应用到在正进行的站群软件开发中，服务广大站长。

该演示程序支持 任意网页（当然最好是内容正文页），自动识别编码，支持中英文等内容主体识别，经简单测试，正确率在90%以上，欢迎大家试用。

该功能的测试请下载V8版本火车采集器，在高级菜单的“正文提取测试”中测试该功能。

标签: 正文提取 网页正文提取 text extract

评论(15) 引用(0) 浏览(12372)