经常遇到同事要求排查故障 ， 但却提供截图而不出示文本信息 。 为此 ， 我考虑用 OCR（Optical Character Recognition， 光学字符识别 ） 技术从截图中将文本提取出来 。 通过试用和比较 ， 我感觉 Tesseract 还不错 ， 故在此略作推荐 。Tesseract 原由 HP 实验室开发 ， 后来开源 ， 它不仅支持许多语言 ， 而且识别效果也不错 。
安装 Tesseract
在 Debian 上 ， 可通过如下命令安装 Tesseract， 其他 Linux 发行版可通过自身的包管理器安装 ：
# apt-get install tesseract-ocr tesseract-ocr-chi-sim
除了安装 Tesseract OCR 引擎之外 ， 此处也安装了对简体中文语言的支持 。
使用 Tesseract
Tesseract 需在命令行下使用 ， 假如我想要从 wb.jpeg 这张图片中提取文本 ， 那么可以执行 ：
% tesseract wb.jpeg stdout -l chi_sim
stdout 是将提取的文本打印到标准输出 ， 如果文本较多则不妨将其放到文件中 ；-l 指定所用的语言 chi_sim（ 简体中文 ）。