Articles in the category of JAVA
- Home
- JAVA
Tesseract 4.x 新字体微调训练
前言首先，就个人而言，Tesseract 的 Wiki 关于训练的教程，写得真的混淆，对于英语不是特别好的人来说看得是云里雾里的。我是看了一两天的文档，硬是理清楚是个什么样的流程，网上搜的教程基本上都是官方Wiki的翻译，并且翻译得也不是很好，最终 youtube 上看了一个老外关于微调的完整例子，终于理清流程。说到Tesseract的训练，关于百度上搜到的那些结果真的是让人很失望，大多都是...
Tesseract 迭代合并训练文件
前言这几天在玩图片文字识别，找到了惠普开源谷歌维护的TesseractOCR识别项目。它支持上百种语言的文字识别，对于英文来说，准确率非常之高，但是对于中文来说，就真的是不容乐观了。其次识别速度也是过慢。速度问题是由训练文件决定的，到了4.0版本以上，官方提供了三种训练好的文件供大家下载：best、fast还有个就是适中的了。但是在用的时候会发现各种蛋疼的问题，有时fast能识别的best竟...
SpringMVC 优雅实现 301 跳转
前言对于做站的人来说，SEO 是一件挺重要的事情，所以当我们的网页请求规则发生改变时，为了减少丢失搜索引擎的权重，我们就很有必要对以前老的 URL 做 301 跳转了。在 HTTP 协议中，重定向分为两种：一种是 301 永久重定向，另外一种是 302 临时跳转。分析与实现需求已定，下面就是分析如何实现了，最容易想到的就是，在Controller的方法中加入如下代码：response.set...
Java byte[] 编码识别
前言最近在做菟丝子资源社区这个项目的时候，TCP 接收到的种子文件信息，读取出来的数据发现有些编码是 UTF-8，有些是 GBK，如果不做判断的话，那么在 JAVA 中直接new String(buff)有些是会乱码的。最开始找到的是使用juniversalchardet.jar这个工具包，但是发现乱码依旧，特意找了一个GBK编码的种子文件测试，发现识别出来的结果竟然是null。搜索了一番，...
Spring Data Elasticsearch 全文检索高亮显示
Spring-data-elasticsearch 版本：3.1.4query.withPageable(pageable) .withQuery(boolQuery) .withHighlightFields(new HighlightBuilder.Field("fileName")); Page<Torrent> page...
Spring Data Elasticsearch 使用 IK 分词器全文检索
Spring Data Elasticsearch 使用 IK 分词器的方法很简单，只需要在@Field注解中指定分词器参数即可，比如下面这样：@Field(searchAnalyzer = "ik_max_word",analyzer = "ik_smart") private String fileName;但是尽管如此，在进行搜索时发现中文搜索结...
Thymeleaf 自定义工具类
今天在使用Thymeleaf模板的时候，有个这样的需求：后台查询出的fileSize字段的单位是byte类型，在页面上需要转换成GB、MB、KB这种形式。由于实体类查询出来就是long类型的，也不想在后台代码将查询结果转换再返回到前台，要是能够在页面用Thymeleaf直接调对应的方法转换就好了。搜索一波，发现Thymeleaf可以自定义Dialect来实现。新建自定义Dialect：/**...
Spring Data Elasticsearch 的简单使用
前言本实例只是用作快速入门使用，这段时间自己将 3 年前的DHT网络爬虫重新写了一遍，一来是因为之前的程序代码写的非常杂乱，性能也不是很好，数据到了1600万的时候就爬不动数据了；二来是借此实战一波 Spring Cloud 微服务的开发。3年前用的Mysql存储数据，由于存储的数据字段长度比较大，所以此次决定直接拿Elasticsearch来当做数据库使用，集全文检索于一体，何乐而不为。实...
Elasticsearch 安装
下载最新版 Elasticsearch下载地址：https://www.elastic.co/downloads/elasticsearch# wget ...
Spring Cloud 整合 Kafka
前言最近在开发一个分布式DHT网络爬虫时，需要用到消息中间件，最开始想到的就是非常简单的ActiveMQ，但是后来发现它貌似不支持一个主题多个消费者消费，只能点对点的消费，或者发布订阅者模式进行消费，而我现在的需求是：一个主题多个消费者，并且要保证每条消息只被其中某一个消费者消费。后来又想到RabbitMQ，但是在安装的时候发现这东西有点恶心啊，由于它使用Erlang开发的，所以安装需要安装...