用脚本自动截图并识别文字

wen 实用脚本 2026-07-30 1

本文目录导读：

用脚本自动截图并识别文字

方案一：Python脚本（推荐）
方案二：更简单的版本（适合快速使用）
方案三：使用百度OCR API（更准确）
使用说明
功能特点

我来帮你创建一个自动截图并识别文字（OCR）的脚本,这里提供两种常用方案：

Python脚本（推荐）

安装依赖

# 安装所需库
pip install pyautogui pillow pytesseract keyboard
# Windows还需安装Tesseract OCR引擎
# 下载地址：https://github.com/UB-Mannheim/tesseract/wiki

Python脚本代码

import pyautogui
import pytesseract
from PIL import Image
import time
import keyboard
import os
from datetime import datetime
# 配置Tesseract路径（Windows需要）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
class ScreenCaptureOCR:
    def __init__(self):
        self.screenshot_dir = "screenshots"
        if not os.path.exists(self.screenshot_dir):
            os.makedirs(self.screenshot_dir)
    def capture_screen(self, region=None):
        """
        截图功能
        region: (x, y, width, height) 可选，指定截图区域
        """
        if region:
            screenshot = pyautogui.screenshot(region=region)
        else:
            screenshot = pyautogui.screenshot()
        # 保存截图
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        filename = f"{self.screenshot_dir}/screenshot_{timestamp}.png"
        screenshot.save(filename)
        print(f"截图已保存: {filename}")
        return screenshot, filename
    def extract_text(self, image):
        """
        识别图片中的文字
        """
        # 中文识别
        text = pytesseract.image_to_string(image, lang='chi_sim+eng')
        return text.strip()
    def auto_capture_and_ocr(self, interval=5, region=None):
        """
        自动截图并识别文字
        interval: 截图间隔（秒）
        region: 截图区域
        """
        print(f"开始自动截图识别（每{interval}秒一次），按 'q' 停止...")
        try:
            while True:
                if keyboard.is_pressed('q'):
                    print("停止截图识别")
                    break
                # 截图
                screenshot, filename = self.capture_screen(region)
                # 识别文字
                text = self.extract_text(screenshot)
                if text:
                    print(f"识别到的文字：\n{text}")
                    # 保存识别结果
                    text_filename = filename.replace('.png', '.txt')
                    with open(text_filename, 'w', encoding='utf-8') as f:
                        f.write(text)
                    print(f"文字已保存: {text_filename}")
                else:
                    print("未识别到文字")
                print("-" * 50)
                time.sleep(interval)
        except KeyboardInterrupt:
            print("程序被用户中断")
    def single_capture_and_ocr(self, region=None):
        """
        单次截图并识别文字
        """
        screenshot, filename = self.capture_screen(region)
        text = self.extract_text(screenshot)
        print(f"截图已保存: {filename}")
        print(f"识别结果：\n{text}")
        return text
def main():
    ocr = ScreenCaptureOCR()
    print("选择模式：")
    print("1. 单次截图识别")
    print("2. 自动定时截图识别")
    print("3. 手动截图识别（按Ctrl+Shift+S）")
    choice = input("请选择 (1/2/3): ")
    if choice == '1':
        # 单次截图
        print("即将截图，请切换到目标窗口...")
        time.sleep(3)
        ocr.single_capture_and_ocr()
    elif choice == '2':
        # 自动定时截图
        try:
            interval = int(input("设置截图间隔（秒）: ") or 5)
        except ValueError:
            interval = 5
        ocr.auto_capture_and_ocr(interval=interval)
    elif choice == '3':
        # 手动快捷键截图
        print("按下 Ctrl+Shift+S 进行截图，按 Q 退出...")
        def on_hotkey():
            print("截图快捷键触发，请选择区域...")
            # 这里可以添加区域选择功能
            screenshot, filename = ocr.capture_screen()
            text = ocr.extract_text(screenshot)
            print(f"识别结果：{text}")
        keyboard.add_hotkey('ctrl+shift+s', on_hotkey)
        keyboard.wait('q')
    else:
        print("无效选择")
if __name__ == "__main__":
    main()

更简单的版本（适合快速使用）

import pyautogui
import pytesseract
from PIL import Image
import time
# 配置Tesseract路径（Windows需要）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
def quick_ocr():
    """快速截图识别"""
    print("3秒后自动截图...")
    time.sleep(3)
    # 全屏截图
    screenshot = pyautogui.screenshot()
    # 保存截图
    screenshot.save('temp_screenshot.png')
    # 识别文字
    text = pytesseract.image_to_string(screenshot, lang='chi_sim+eng')
    print("识别结果：")
    print(text)
    return text
if __name__ == "__main__":
    quick_ocr()

使用百度OCR API（更准确）

import pyautogui
import requests
import base64
import time
import json
# 百度OCR API配置
API_KEY = "你的API_KEY"
SECRET_KEY = "你的SECRET_KEY"
def get_access_token():
    """获取百度OCR的access token"""
    url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={API_KEY}&client_secret={SECRET_KEY}"
    response = requests.post(url)
    return response.json().get('access_token')
def baidu_ocr(image_path):
    """使用百度OCR识别文字"""
    token = get_access_token()
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={token}"
    with open(image_path, 'rb') as f:
        image = base64.b64encode(f.read()).decode('utf-8')
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    data = {'image': image}
    response = requests.post(url, headers=headers, data=data)
    result = response.json()
    if 'words_result' in result:
        text = '\n'.join([item['words'] for item in result['words_result']])
        return text
    else:
        return "识别失败"
def main():
    print("3秒后截图并识别...")
    time.sleep(3)
    # 截图
    screenshot = pyautogui.screenshot()
    screenshot.save('ocr_temp.png')
    # OCR识别
    text = baidu_ocr('ocr_temp.png')
    print("识别结果：")
    print(text)
if __name__ == "__main__":
    main()

使用说明

安装Tesseract OCR（方案一和二需要）：
- Windows：下载安装包并配置路径
- 语言包包含中文识别
配置API（方案三需要）：
- 在百度AI平台注册应用
- 获取API Key和Secret Key
运行脚本：
```
python screen_ocr.py
```

功能特点

✅ 自动截图
✅ 文字识别（支持中文）
✅ 保存截图和识别结果
✅ 多种模式选择
✅ 可设置截图频率
✅ 快捷键支持

选择适合你需求的方案，如果需要更多定制化功能,请告诉我！