好友
阅读权限10
听众
最后登录1970-1-1
|
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())
|
免费评分
-
查看全部评分
|