吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 12701|回复: 138
上一主题 下一主题
收起左侧

[原创工具] 基于本地部署与API的PaddleOCR的【一键截图+文字识别】工具【2026.9.27更新】

    [复制链接]
跳转到指定楼层
楼主
881638243 发表于 2026-1-14 15:05 回帖奖励
本帖最后由 881638243 于 2026-9-27 14:51 编辑

这是一个基于PaddleOCR的【一键截图文字识别】工具(已于2026.9.27更新本地离线部署+API整合版本)

2026.9.27已更新本地离线部署+API整合版本,同时支持本地离线识别与API识别。
由于是模型OCR,因此可以识别:普通文本、手写中英文、数学公式等复杂文本。
--------------------------------------------------------------【win10/11版】--------------------------------------------------------------------------
2026.9.27更新说明:
v1.65:
1.升级API引擎为PaddleOCR-VL-1.6;
2.合并API与本地引擎,可在设置界面选择识别引擎;
3.目前使用本地OCR也可正常识别出数学公式(识别结果为latex格式),这是以前没有的;
4.新增最小化时显示托盘图标;
5.新增悬浮栏;
6.新增历史记录,可查看过往文字识别结果;
7.优化了界面显示效果;
8.修复存在的Bug;

【API引擎】使用提示:

1.如工具无法打开,可能是运行库缺失问题,我已将必备运行库上传至工具下载地址。

2.需前往PaddleOCR官网(https://aistudio.baidu.com/paddleocr)免费申请API_TOKEN,并在工具”设置“菜单中填入,方可使用本工具。

3.截图过程中按右键或ESC可取消截图,截图区域过小自动取消截图。

4.图片解析后的文字自动存入剪贴板,也可直接在文本框里划选并复制(copy)。

5.点击热键如果没有反应,请尝试以管理员身份运行本工具。

6.工具使用过程中需全程联网,网络情况不佳时,解析时间可能较长,请耐心等待或重新识别。

7.如遇文字解析失败情况,请尝试重新识别。



【本地引擎】使用提示:
1.本地引擎要求CPU有AVX指令集,故不支持  【Intel:凌动Atom,安腾Itanium,赛扬Celeron,奔腾Pentium系列 】【AMD:K10架构及之前的系列】 CPU;推荐运行内存:6GB+

2.本地引擎首次使用需在工具设置界面下载引擎文件,全程需联网,建议配置Github的hosts文件或使用科学工具减少下载时间。

3.截图过程中按右键或ESC可取消截图,截图区域过小自动取消截图。

4.图片解析后的文字自动存入剪贴板,也可直接在文本框里划选并复制(copy)。

5.点击热键如果没有反应,请尝试以管理员身份运行本工具。

6.如遇文字解析失败情况,请尝试重新识别。

7.本地引擎采用轻量级模型,针对文字与公式识别有更高要求的朋友建议使用API引擎。


--------------------------------------------------------------【win7版】-------------------------------------------------------------------------------
调用PaddleOCR-VL官方API接口进行文字识别,需前往PaddleOCR官网(https://aistudio.baidu.com/paddleocr)免费申请API_TOKEN,并在工具”设置“菜单中填入。
win7版本目前仅支持API识别。





---------------------------------------------------------------------【下载地址】---------------------------------------------------------------------------

工具下载地址: 下载地址.txt (292 Bytes, 下载次数: 757)



本工具将持续更新,欢迎各位大佬反馈问题与BUG。

源代码:
[Python] 纯文本查看 复制代码
import sys, re, io, time, base64, requests, threading, keyboard
from PyQt6.QtWidgets import (QApplication, QMainWindow, QPushButton, QVBoxLayout, 
                             QWidget, QTextEdit, QLabel, QLineEdit, QStackedWidget, QHBoxLayout)
from PyQt6.QtCore import Qt, QRect, pyqtSignal, QObject, QTimer, QSettings
from PyQt6.QtGui import QPainter, QPen, QColor
from PIL import ImageGrab, ImageEnhance, ImageFilter
import pyperclip


class WorkerSignals(QObject):
    finished = pyqtSignal(str, str)

#截图层
class CaptureWindow(QWidget):
    def __init__(self, callback, cancel_callback):
        super().__init__()
        self.callback = callback
        self.cancel_callback = cancel_callback
        self.setWindowFlags(Qt.WindowType.FramelessWindowHint | Qt.WindowType.WindowStaysOnTopHint | Qt.WindowType.Tool)
        self.setWindowState(Qt.WindowState.WindowFullScreen)
        self.setWindowOpacity(0.3)
        self.setCursor(Qt.CursorShape.CrossCursor)
        self.start_pos = self.end_pos = None
        self.is_drawing = False

    def paintEvent(self, event):
        if self.is_drawing and self.start_pos and self.end_pos:
            painter = QPainter(self)
            painter.setPen(QPen(QColor(255, 0, 0), 2, Qt.PenStyle.SolidLine)) 
            painter.drawRect(QRect(self.start_pos, self.end_pos))

    def mousePressEvent(self, event):
        if event.button() == Qt.MouseButton.RightButton:
            self.cancel_callback(); self.close()
        elif event.button() == Qt.MouseButton.LeftButton:
            self.start_pos = event.pos(); self.is_drawing = True

    def mouseMoveEvent(self, event):
        if self.is_drawing: self.end_pos = event.pos(); self.update()

    def mouseReleaseEvent(self, event):
        if event.button() == Qt.MouseButton.LeftButton:
            self.is_drawing = False
            self.hide()
            QApplication.processEvents()
            time.sleep(0.15)
            x1, y1 = min(self.start_pos.x(), event.pos().x()), min(self.start_pos.y(), event.pos().y())
            x2, y2 = max(self.start_pos.x(), event.pos().x()), max(self.start_pos.y(), event.pos().y())
            if x2 - x1 < 10 or y2 - y1 < 10:
                self.cancel_callback(); self.close(); return
            ratio = self.screen().devicePixelRatio()
            bbox = (x1 * ratio, y1 * ratio, x2 * ratio, y2 * ratio)
            img = ImageGrab.grab(bbox)
            self.callback(img); self.close()

#主窗口
class MainWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("截图文字识别工具v1.30")
        self.resize(450, 600)
        
        #配置保存
        self.settings = QSettings("MyOCRTool", "Settings")
        
        
        self.stack = QStackedWidget()
        self.setCentralWidget(self.stack)
        
        self.init_main_ui()    
        self.init_setting_ui() 
        self.init_about_ui()
        
        self.signals = WorkerSignals()
        self.signals.finished.connect(self.on_ocr_finished)
        
        #初始热键绑定
        #self.current_hotkey = self.settings.value("hotkey", "alt+q")
        #self.rebind_hotkey(self.current_hotkey)

    def init_main_ui(self):
        page = QWidget()
        layout = QVBoxLayout(page)
        
        header_layout = QHBoxLayout()
        
        self.btn_to_setting = QPushButton("设置")
        self.btn_to_setting.clicked.connect(lambda: self.stack.setCurrentIndex(1))

        self.btn_to_about = QPushButton("关于")
        self.btn_to_about.clicked.connect(lambda: self.stack.setCurrentIndex(2))


       
        header_layout.addWidget(self.btn_to_setting)
        header_layout.addWidget(self.btn_to_about)
        header_layout.addStretch()

        layout.addLayout(header_layout)

        self.btn_capture = QPushButton("开始截图")
        self.btn_capture.setMinimumHeight(60)
        self.btn_capture.setStyleSheet("background-color: #4CAF50; color: white; font-weight: bold;")
        self.btn_capture.clicked.connect(self.start_capture)
        layout.addWidget(self.btn_capture)

        self.label_status = QLabel("工具已就绪")
        layout.addWidget(self.label_status)

        self.result_box = QTextEdit()
        layout.addWidget(self.result_box)
        
        self.stack.addWidget(page)

    def init_setting_ui(self):
        page = QWidget()
        layout = QVBoxLayout(page)

        layout.addWidget(QLabel("<b>API_URL:</b>"))
        self.edit_url = QLineEdit(self.settings.value("url", "在此输入API_URL"))
        layout.addWidget(self.edit_url)

        layout.addWidget(QLabel("<b>API_TOKEN:</b>"))
        self.edit_token = QLineEdit(self.settings.value("token", "在此输入TOKEN"))
        layout.addWidget(self.edit_token)

        # layout.addWidget(QLabel("<b>快捷键 (如 alt+q, ctrl+shift+a):</b>"))
        # self.edit_hotkey = QLineEdit(self.settings.value("hotkey", "alt+q"))
        # layout.addWidget(self.edit_hotkey)

        layout.addStretch()

        btn_save = QPushButton("保存并返回")
        btn_save.setMinimumHeight(40)
        btn_save.setStyleSheet("background-color: #4CAF50; color: white; font-weight: bold;")
        btn_save.clicked.connect(self.save_settings)
        layout.addWidget(btn_save)

        self.stack.addWidget(page)

    def init_about_ui(self):
        page = QWidget()
        layout = QVBoxLayout(page)
        layout.addWidget(QLabel("<h2>截图文字识别工具v1.30</h2>"))
        layout.addWidget(QLabel("<b>本工具免费且已开源,仅供学习交流,严禁倒卖!</b>"))
        layout.addWidget(QLabel("<p>功能说明:截图区域文字识别,鼠标右键或ESC可取消截图</p>"))
        

        layout.addStretch()
        
        btn_back = QPushButton("返回")
        btn_back.setMinimumHeight(40)
        btn_back.setStyleSheet("background-color: #2196F3; color: white; font-weight: bold;")
        btn_back.clicked.connect(lambda: self.stack.setCurrentIndex(0))
        layout.addWidget(btn_back)
        
        self.stack.addWidget(page) 
        

    def save_settings(self):
        #保存到配置
        self.settings.setValue("url", self.edit_url.text())
        self.settings.setValue("token", self.edit_token.text())
        
        #new_hotkey = self.edit_hotkey.text().lower()
        #if new_hotkey != self.current_hotkey:
            #self.rebind_hotkey(new_hotkey)
            #self.current_hotkey = new_hotkey
            #self.settings.setValue("hotkey", new_hotkey)
            
        self.stack.setCurrentIndex(0)
        self.label_status.setText("设置已保存")

    def rebind_hotkey(self, key_str):
        try:
            keyboard.unhook_all() #清除旧的
            keyboard.add_hotkey(key_str, self.start_capture)
        except:
            print("热键绑定失败")

    def start_capture(self):
        if self.isVisible():
            self.hide()
            QTimer.singleShot(250, self.show_capture_window)
        
    def show_capture_window(self):
        self.cap_win = CaptureWindow(self.request_ocr_thread, self.on_capture_cancel)
        self.cap_win.show()

    def on_capture_cancel(self):
        self.show(); self.label_status.setText("截图已取消")

    def request_ocr_thread(self, img_obj):
        self.show()
        self.label_status.setText("图片解析中")
        self.btn_capture.setEnabled(False)
        threading.Thread(target=self.ocr_worker, args=(img_obj,), daemon=True).start()
        
    def ocr_worker(self, img):
        try:
            #图像预处理
            img = img.convert('L')
            img = ImageEnhance.Contrast(img).enhance(2.0)
            img = img.filter(ImageFilter.SHARPEN)
            img = img.convert('RGB')
            #图像压缩
            img_byte_arr = io.BytesIO()
            img.save(img_byte_arr, format='JPEG', quality=95)
            file_data = base64.b64encode(img_byte_arr.getvalue()).decode("ascii")

            # 从界面获取实时配置
            url = self.settings.value("url")
            token = self.settings.value("token")

            headers = {"Authorization": f"token {token}", "Content-Type": "application/json"}
            payload = {"file": file_data, "fileType": 1, "useDocOrientationClassify": False, "useChartRecognition": False}
            
            response = requests.post(url, json=payload, headers=headers, timeout=20)
            
            if response.status_code == 200:
                result = response.json()["result"]
                text = "".join([re.sub(r'<[^>]+>', '', res["markdown"]["text"]) + "\n" for res in result.get("layoutParsingResults", [])])
                self.signals.finished.emit(text.strip() or "解析失败,请尝试重新识别", "识别完成")
            else:
                self.signals.finished.emit("", f"API错误: {response.status_code}")
        except Exception as e:
            self.signals.finished.emit("", f"异常: {str(e)}")

    def on_ocr_finished(self, text, status):
        self.btn_capture.setEnabled(True)
        self.label_status.setText(status)
        if text:
            self.result_box.setText(text)
            pyperclip.copy(text)

if __name__ == "__main__":
    app = QApplication(sys.argv)
    window = MainWindow()
    window.show()
    sys.exit(app.exec())














                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                
                                

image.png (17.56 KB, 下载次数: 4)

image.png

image.png (21.62 KB, 下载次数: 1)

image.png

image.png (25.73 KB, 下载次数: 2)

image.png

下载地址.txt

258 Bytes, 下载次数: 17, 下载积分: 吾爱币 -2 CB

免费评分

参与人数 17吾爱币 +19 热心值 +16 收起 理由
leo01 + 1 + 1 离线版能否更换成百度或者夸克
sdqwj + 1 谢谢@Thanks!
smile1110 + 1 谢谢@Thanks!
jojaajj + 2 + 1 我很赞同!
hiromao2010 + 1 + 1 用心讨论,共获提升!
l12312329 + 1 + 1 谢谢@Thanks!
thistemp + 1 离线版仍不支持win7! 离线版仍不支持win7!
xmw107 + 1 我很赞同!
lshyl111 + 1 + 1 用心讨论,共获提升!
confiant + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!
浩博网络 + 1 + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!
胡言爱语 + 1 + 1 谢谢@Thanks!
简忘 + 1 + 1 谢谢@Thanks!
gxf000001 + 1 我很赞同!
cnnets + 1 + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!
zhangwei6929 + 1 + 1 热心回复!
风之暇想 + 7 + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!

查看全部评分

本帖被以下淘专辑推荐:

发帖前要善用【论坛搜索】功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

推荐
13628663380 发表于 2026-8-11 15:15
[Python] 纯文本查看 复制代码
    def ocr_worker(self, img):
        try:
            # 图像预处理(保留原有逻辑)
            img = img.convert('L')
            img = ImageEnhance.Contrast(img).enhance(2.0)
            img = img.filter(ImageFilter.SHARPEN)
            img = img.convert('RGB')

            # 将图片写入内存缓冲区,模拟本地文件上传
            img_byte_arr = io.BytesIO()
            img.save(img_byte_arr, format='JPEG', quality=95)
            img_byte_arr.seek(0)  # 指针回到开头

            # 从配置读取地址和令牌
            base_url = self.settings.value("url")
            token = self.settings.value("token")
            headers = {
                "Authorization": f"bearer {token}"
                # 注意:不要手动加 Content-Type,让 requests 自动生成 multipart 边界
            }

            # ========== 第一步:提交异步任务(表单上传,对齐官方示例) ==========
            import json
            optional_payload = {
                "useDocOrientationClassify": False,
                "useDocUnwarping": False,
                "useChartRecognition": False,
            }
            data = {
                "model": "PaddleOCR-VL-1.6",
                "optionalPayload": json.dumps(optional_payload)
            }
            files = {"file": ("capture.jpg", img_byte_arr, "image/jpeg")}

            response = requests.post(base_url, headers=headers, data=data, files=files, timeout=20)

            if response.status_code != 200:
                self.signals.finished.emit("", f"提交任务失败: {response.status_code} - {response.text[:200]}")
                return

            resp_data = response.json()
            job_id = resp_data.get("data", {}).get("jobId")
            if not job_id:
                self.signals.finished.emit("", "获取任务ID失败")
                return

            # ========== 第二步:轮询查询任务状态 ==========
            query_url = f"{base_url}/{job_id}"
            jsonl_url = ""
            max_wait = 60  # 最多等待60秒

            for i in range(max_wait):
                time.sleep(2)
                res = requests.get(query_url, headers=headers, timeout=10)
                if res.status_code != 200:
                    continue
                data = res.json()
                state = data.get("data", {}).get("state")

                if state == "done":  # 任务完成
                    jsonl_url = data.get("data", {}).get("resultUrl", {}).get("jsonUrl")
                    break
                elif state == "failed":
                    error_msg = data.get("data", {}).get("errorMsg", "未知错误")
                    self.signals.finished.emit("", f"识别失败: {error_msg}")
                    return

            if not jsonl_url:
                self.signals.finished.emit("", "识别超时,请重试")
                return

            # ========== 第三步:下载并解析结果 jsonl ==========
            jsonl_resp = requests.get(jsonl_url, timeout=20)
            jsonl_resp.raise_for_status()
            lines = jsonl_resp.text.strip().split('\n')

            text_list = []
            for line in lines:
                line = line.strip()
                if not line:
                    continue
                item = json.loads(line)
                result = item.get("result", {})
                for res in result.get("layoutParsingResults", []):
                    # 去掉HTML标签,和原代码逻辑保持一致
                    clean_text = re.sub(r'<[^>]+>', '', res["markdown"]["text"])
                    text_list.append(clean_text)

            final_text = "\n".join(text_list)
            self.signals.finished.emit(final_text.strip() or "未识别到文字", "识别完成")

        except Exception as e:
            self.signals.finished.emit("", f"异常: {str(e)}")


刚试了,PaddleOCR-VL-1.6 调用,改成异步了,替换这个代码就可以截图成功了
推荐
zxc___12345 发表于 2026-2-3 17:10
感谢大神,很好用,识别正确率比Umi-OCR高,希望能够考虑增加两个功能就更好了。1、识别表格;2、参考https://www.52pojie.cn/forum.php?mod=viewthread&tid=1913500&highlight=%CE%A2%D0%C5ocr,增加一个无界面版  打开后直接让用户截图   自动识别后复制到剪贴板  然后自动退出。
沙发
fengtian99 发表于 2026-1-16 10:54
3#
wmsjyd 发表于 2026-1-16 10:55
这个工具不错,自己搞定Access Token就行了
4#
10001 发表于 2026-1-16 10:59
支持下。谢谢
5#
wmsjyd 发表于 2026-1-16 11:12
能常驻任务栏再加一个快捷键,并能对识别文字智能排版段落就更精准了。
6#
zyfwhx 发表于 2026-1-16 15:43
感谢楼主,试了一下,能很好的识别公式。如果增加识别后直接复制的选项。就更好了。目前在寻找哪一款公式识别准确而且方便的app。
7#
 楼主| 881638243 发表于 2026-1-16 17:58 |楼主
zyfwhx 发表于 2026-1-16 15:43
感谢楼主,试了一下,能很好的识别公式。如果增加识别后直接复制的选项。就更好了。目前在寻找哪一款公式识 ...

抱歉忘了设置提示了,识别完成后是直接存进剪贴板的。后面我改一下
8#
 楼主| 881638243 发表于 2026-1-16 17:59 |楼主
wmsjyd 发表于 2026-1-16 11:12
能常驻任务栏再加一个快捷键,并能对识别文字智能排版段落就更精准了。

收到,后面我改一下
9#
xhmotor 发表于 2026-1-17 09:52
一直在用pot;感觉还行;等下载这个来试试;准确率不知道咋样;感谢分享
10#
kofvs97 发表于 2026-1-17 11:31
是不是不支持WIN7哦。。。。安装不了
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - 52pojie.cn ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2026-11-8 08:26

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表