给出代码示例，人工智能训练识别照片或者pdf中的合同信息

在人工智能领域，尤其是自然语言处理（NLP）和计算机视觉（CV），识别照片或PDF中的合同信息通常涉及到OCR（Optical Character Recognition，光学字符识别）技术。这里我会给你一个简单的概念介绍和使用Java进行文本识别的示例，但请注意，实际项目可能需要深度学习库如Tesseract、Apache Tika或者PDF解析库，例如PDFBox。

**1. OCR 识别图片中的文字：**

首先，我们使用Tesseract OCR引擎来识别图像中的文字。Tesseract是一个开源的OCR工具，有Java接口供开发人员使用。

import net.sourceforge.tess4j.*;

public class ImageToText {
    public static void main(String[] args) throws IOException, TesseractException {
        ITesseract instance = new Tesseract();
        instance.setLanguage("eng"); // 设置语言为英语
        String imagePath = "path_to_your_image.jpg";
        String text = instance.doOCR(imagePath);
        System.out.println(text); // 输出识别到的文字
    }
}

**2. PDF中的文本提取：**

对于PDF，可以使用Apache Tika这样的库来解析并提取文本：

import org.apache.tika.parser.pdf.PDFParser;
import org.apache.tika.sax.BodyContentHandler;

public class PdfToText {
    public static void main(String[] args) throws Exception {
        PDFParser parser = new PDFParser();
        BodyContentHandler handler = new BodyContentHandler();
        InputSource input = new InputSource(new File("path_to_your_pdf.pdf"));
        parser.parse(input, handler);
        String content = handler.toString();
        System.out.println(content);
    }
}

**相关问题--:**
1. 如何集成Tesseract到Java项目中？
2. 使用Apache Tika时，如何指定解析特定类型的文档？
3. OCR技术在复杂背景下的识别精度如何？
4. 有没有针对PDF结构化数据提取的更好方法？