最近要做文字识别，不让直接用别人的接口，所以只能尝试去用开源的类库。tesseract-ocr是惠普公司开源的一个文字识别项目，通过它可以快速搭建图文识别系统，帮助我们开发出能识别图片的ocr系统。因为Windows环境开发，我也就必须在windows环境安装系统。
第一步：下载安装包
根据https://github.com/tesseract-ocr/tesseract/wiki，我找到非官方的安装包，好像我只看到64位的安装包http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe，下载后直接安装即可，但是要记得你的安装目录，我们等会配置环境变量要用。
如果不是做英文的图文识别，还需要下载其他语言的识别包https://github.com/tesseract-ocr/tesseract/wiki/Data-Files。
简体字识别包：https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi_sim.traineddata
繁体字识别包：https://github.com/tesseract-ocr/tessdata/raw/4.0/chi_tra.traineddata
第二步：安装
直接执行下载好的tesseract-ocr-setup-4.00.00dev.exe，下一步、下一步安装。
第三步：配置环境变量
注意：我的系统是win7，其他系统应该差不多，跟配置java变量一样
复制你的安装地址，我的是安装在C:Program Files (x86)Tesseract-OCR，界面如下：
复制安装路径“C:Program Files (x86)Tesseract-OCR”，进入“控制面板系统和安全系统”，点击
“系统保护”
进入到以下界面：
点击环境变量，进入配置以下界面：
把刚才的安装路径“C:Program Files (x86)Tesseract-OCR”添加到红线划的PATH和Path，注意，添加时候开头用“;”跟之前的变量隔开，结尾以“;”结尾。下面是我的配置信息样本：
C:UsersAdministratorAppDataRoamingComposervendorin;C:UsersAdministratorAppDataRoaming pm;C:Program Files (x86)Tesseract-OCR;
配置好了点击保存。
打开命令终端，输入：tesseract -v，可以看到版本信息
如果出现报错，估计是环境变量没配置好。
到这里，我们就算安装完成了，但是，我们的系统还是无法识别中文的，我们要去下载简体汉字、繁体汉字语言包（上文给了地址了），下载好之后放到安装目录的tessconfigs目录下即可。
补充：因为没有配置全局变量，无法跨盘执行数据转换，这里我们在环境变量那增加一个配置信息
系统变量—->新建：
增加一个TESSDATA_PREFIX变量名，变量值还是我的安装路径C:Program Files (x86)Tesseract-OCR;
本人博客：Windows环境安装tesseract-ocr 4.00并配置环境变量
http://www.wangtuizhijia.com/archives/272