如何基于Python代码实现高精度免费OCR工具

近期Github开源了一款基于Python开发、名为Textshot的截图工具，刚开源不到半个月已经500+Star。

这两天抽空看了一下Textshot的源码，的确是一个值得介绍的项目。

相对于大多数OCR工具复杂工程、差强人意的效果，Textshot具有明显的优势，

• 项目简单
• 技术点丰富

项目简单

Textshot整个项目只有1个Python文件、139行代码，没有复杂的第三方库应用，也不涉及过多后端算法的调用。

技术点丰富

Textshot这个项目虽然只有短短的139行代码，但是，却涉及Python中多个方面的知识应用，

• UI开发
• 截图工具开发
• 后端引擎调用

通过这短短的项目，你不仅可以了解如何利用PyQt5实现一个用户界面，还可以学会如何使用pyscreenshot开发一款自己的截图工具。此外，还能够学会后端tesseract的调用。

换句话说，这短短的139行代码囊括了前端至后端的整个流程，而且涉及到截图和OCR两款工具的衔接。因此，Textshot虽然工程不大，却是一个非常完备、值得学习的项目。

本文就来剖析这个项目的源代码，教你一步一步实现自用且永久免费的截图&OCR工具！

tesseract

目前OCR工具本文来源gaodai#ma#com搞*!代#%^码$网!数不胜数，但是大多数都是在相同的后端算法上面进行了不同的封装而已。而真正在OCR核心做的较好、值得大书特书的，那么一定非tesseract莫属

tesseract早在1985就已经开始由HP实验室开始研发，而在1995年更是被评为最为准确的3款OCR工具之一。此后，tesseract被开源，经过Google对其不断的进行优化和升级，它目前已经成为OCR方面一款标杆性的工具。很多开源或者付费的OCR工具，都是直接调用tesseract或者对其进行稍许优化。

而今天介绍的Textshot就是直接调用tesseract后端引擎进行OCR识别。因此，Textshot只是实现了一款截图工具，起到前后端的串联作用，在OCR识别算法方面并没有做任何工作。

tesseract安装

由于Textshot的OCR识别需要调用tesseract后端引擎，所以，首先需要安装tesseract。

Windows版安装可以直接访问下载链接[1].

Mac下可以使用Homebrew进行安装，

brew install tesseract　

Textshot

Textshot是一款截图识别文字的OCR工具，因此，它主要涉及2个环境，

截图

OCR识别

Textshot首先通过截图获取需要进行文字识别的图像，然后对这副图像进行OCR文字识别，输出识别结果。

前面已经介绍了，Textshot的OCR识别阶段调用的是tesseract，所以只需要1行代码即可完成。

因此，Textshot的工作主要是围绕前端窗口和截图工具的实现方面。

截图工具

截图工具是我们经常会用到的一种工具，如何实现一款截图工具？

很多人会把它想的非常复杂，其实，Python中有很多可以实现截图的库或者函数，例如，pyscreenshot或者pillow中的ImageGrab函数，它的调用方式如下，

shot = ImageGrab.grab(bbox=(x1, y1, x2, y2))

也就是说，我们只需要把鼠标框选的起点和终点坐标传给grab方法就可以实现截图功能。

那么，现在问题就转化为如何获取鼠标框选的起点和终点？

Textshot通过调用PyQt5并继承QWidget来实现鼠标框选过程中的一些方法来获取框选的起点和终点。

Textshot继承和重写QWidget方法主要包括如下几个，

• keyPressEvent(self, event)：键盘响应函数
• paintEvent(self, event)：UI绘制函数
• mousePressEvent(self, event)：鼠标点击事件
• mouseMoveEvent(self, event)：鼠标移动事件
• mouseReleaseEvent(self, event)：鼠标释放事件

喜欢 (0)赏

[搞代码]

分享 (0)