13518219792
小编给大家分享一下怎么制作一个Node命令行图像识别工具，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
创新互联建站凭借专业的设计团队扎实的技术支持、优质高效的服务意识和丰厚的资源优势，提供专业的网站策划、成都做网站、成都网站设计、网站优化、软件开发、网站改版等服务，在成都十载的网站建设设计经验，为成都上千多家中小型企业策划设计了网站。
从 0 开始制作一个 NodeJS 命令行验证码识别工具。实现如下效果。
初始化项目
# 创建 recognition 项目 mkdir recognition cd recognition npm init -y # 安装主依赖 yarn add images tesseract.js # 安装工具依赖 yarn add chalk yargs # 可选依赖 yarn add socks5-http-client
依赖说明
images ：Node.js 轻量级跨平台图像编码库，用于处理下载下来的图片
tesseract.js ：纯 JS 实现的 OCR（光学字符识别）工具，用于图像内容识别
chalk ：让命令行内容样式好看
yargs ：命令行参数解析器
socks5-http-client ：SOCKS v5，用于设置代理，在需要拉取某些不能直接访问的资源时使用， request proxy 例子
项目准备
新建 cli.js
通常命令行工具入口名字为 cli.js ，我们新建一个 cli.js 文件，并在开头写上：
#!/usr/bin/env node
这样，我们告诉 *nix 系统，JavaScript 文件的解释器应该是 /usr/bin/env node ，它查找本地安装的 node 。
配置 bin
// package.json
{
"bin": {
"reg": "./cli.js"
}
}这样配置完成后，别人 npm install -g @chenng/recognition 的包，就可以直接通过命令行运行了：
reg --url=https://static.chenng.cn/imgs/test_img.png
link 本地开发
我们如何能够在本地可以使用 rec 命令呢？只需要把本项目 link 即可：
yarn link
核心逻辑
主要逻辑在 cli.js 和 recognize.js 中。这里有几个注意点：
request 图片的时候要设置 encoding: null，否则返回的是乱码
初次使用的时候需要下载训练集，需要花点时间
const Tesseract = require('tesseract.js');
const images = require('images');
const requset = require('request');
const fs = require('fs');
const { promisify } = require('util');
const chalk = require('chalk');
const writeFile = promisify(fs.writeFile);
const rp = promisify(requset);
class Recognize {
constructor(url) {
Recognize.downloadDir = `${__dirname}/dist/`;
Recognize.downloadFile = `${__dirname}/dist/temp.png`;
this.url = url;
this.start();
}
async start() {
const data = await this.downloadImg();
await writeFile(Recognize.downloadFile, data);
this.recognize();
const result = await Tesseract.recognize(Recognize.downloadFile, {
lang: 'eng',
tessedit_char_blacklist: 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ',
});
console.log(`
识别成功!
识别结果为：${chalk.green(result.text)}
`);
}
async downloadImg() {
if (!fs.existsSync(Recognize.downloadDir)) {
fs.mkdirSync(Recognize.downloadDir);
console.log(`创建了 ${Recognize.downloadDir} 文件夹`);
}
const res = await rp({
url: this.url,
method: 'GET',
encoding: null,
});
return res.body;
}
recognize() {
// 放大图片，并覆盖源文件
images(Recognize.downloadFile)
.size(400)
.save(Recognize.downloadFile);
}
}
module.exports = Recognize;具体可以查看源码仓库： https://github.com/ringcrl/recognition
发布上线
# 新建代码仓库，git push # 登录到 npm npm adduser # 发包 npm publish --access public # 全局安装 npm install -g @chenng/recognition
以上是“怎么制作一个Node命令行图像识别工具”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
