Tesseract.js 是一個基于 JavaScript 的開源 OCR（光學字符識別）庫，使用 WebAssembly 將 Google 的 Tesseract OCR 引擎移植到瀏覽器和 Node.js 環(huán)境中。它可以在前端直接對圖片進行文字提取，支持 100 多種語言（包括中、英、法、德等），適用于文檔掃描、實時視頻識別、移動端離線 OCR 等場景。

• Tesseract.js官網入口網址：http://tesseract.projectnaptha.com/
• Tesseract.js開源項目地址：https://github.com/naptha/tesseract.js

主要特性

• 跨平臺：同時支持瀏覽器（通過 <script>、CDN、Webpack 等）和 Node.js 環(huán)境。
• 多語言：內置 100+ 語言的訓練數據，中文（簡體/繁體）識別效果良好。
• WebAssembly 加速：核心 OCR 引擎以 WASM 形式運行，內存占用低、識別速度快。
• 并行處理：支持 createWorker 多線程工作者，可在后臺并行識別多張圖片。
• 模塊化：提供 tesseract.js-core、語言數據（tessdata）分離，便于自行托管 CDN，避免網絡不穩(wěn)定導致加載失敗。
• 輕量化：最新的 v6.0.0 進一步壓縮文件體積、優(yōu)化內存管理，適合長時間運行的 Web 應用。

Tesseract.js 通過 WebAssembly 將強大的 Tesseract OCR 引擎帶到前端，具備跨平臺、多語言、低內存、高性能等優(yōu)勢。只需幾行代碼即可在瀏覽器或 Node.js 中完成文字識別，配合 createWorker 與本地語言數據即可實現離線、批量、實時的 OCR 需求。