Tesseract.js：纯 JavaScript 多语言 OCR 识别库

Tesseract.js 是一款纯 JavaScript 的多语言 OCR（光学字符识别）库。它借助 WebAssembly 将经典的 Tesseract OCR 引擎编译后运行在浏览器与 Node.js 环境中，无需安装任何原生依赖即可从图片中识别文字，并支持包括简体中文在内的上百种语言，让网页应用与服务端程序轻松获得离线文字识别能力。

适用平台

支持现代浏览器（可通过 script 标签、CDN、Webpack 或 ESM 方式引入）以及 Node.js 16 及以上版本的服务端环境。

安装与使用

Node.js 项目中使用 npm install tesseract.js 安装依赖；浏览器项目中可直接引入 CDN 地址获得全局 Tesseract 对象。使用时创建 worker 并调用 recognize 即可识别图片，例如：const worker = await createWorker('chi_sim'); const ret = await worker.recognize(image); console.log(ret.data.text); await worker.terminate();。语言数据文件会按需自动加载，识别多张图片时可复用同一 worker 以提高效率。

主要功能

• 图片文字识别，支持上百种语言（含简体中文 chi_sim 等），可加载多语言组合识别
• 基于 WebAssembly 运行原版 Tesseract 引擎，无需 C++ 编译与原生依赖
• 支持浏览器与 Node.js 双端运行，可结合 Worker/Scheduler 并发识别提升速度
• 内置图像预处理与旋转校正，提升复杂图片的识别准确率
• 提供文本、HOCR、词级/符号级等多种识别结果输出格式
• 官方演示站与丰富的示例代码，方便快速接入与二次开发