2
Tesseract.js 是一个基于 JavaScript 的开源 OCR（光学字符识别）库，使用 WebAssembly 将 Google 的 Tesseract OCR 引擎移植到浏览器和 Node.js 环境中。它可以在前端直接对图片进行文字提取，支持 100 多种语言（包括中、英、法、德等），适用于文档扫描、实时视频识别、移动端离线 OCR 等场景。
- Tesseract.js官网入口网址：http://tesseract.projectnaptha.com/
- Tesseract.js开源项目地址：https://github.com/naptha/tesseract.js
主要特性
- 跨平台：同时支持浏览器（通过 、CDN、Webpack 等）和 Node.js 环境。
- 多语言：内置 100+ 语言的训练数据，中文（简体/繁体）识别效果良好。
- WebAssembly 加速：核心 OCR 引擎以 WASM 形式运行，内存占用低、识别速度快。
- 并行处理：支持 createWorker 多线程工作者，可在后台并行识别多张图片。
- 模块化：提供 tesseract.js-core、语言数据（tessdata）分离，便于自行托管 CDN，避免网络不稳定导致加载失败。
- 轻量化：最新的 v6.0.0 进一步压缩文件体积、优化内存管理，适合长时间运行的 Web 应用。
Tesseract.js 通过 WebAssembly 将强大的 Tesseract OCR 引擎带到前端，具备跨平台、多语言、低内存、高性能等优势。只需几行代码即可在浏览器或 Node.js 中完成文字识别，配合 createWorker 与本地语言数据即可实现离线、批量、实时的 OCR 需求。
