Python自动截图，并将截图依次进行OCR文字识别

一、这个脚本的作用

通过鼠标拖动一个区域，每隔一秒对这个区域进行一次截图，并保存在本地。（二）
然后对本地的截图依次进行OCR，并把文字结果保存为一个文本。（三）

二、截图代码

import pyautogui
import time
from pynput import mouse

# 初始化变量
start_point = None
end_point = None
has_ran = False
var1, var2, var3, var4 = 0, 0, 0, 0

# 鼠标点击事件
def on_click(x, y, button, pressed):
    global start_point, end_point, has_ran, var1, var2, var3, var4
    if not has_ran and pressed:
        start_point = (x, y)
    elif not pressed and start_point is not None:
        end_point = (x, y)
        var1, var2 = map(int, start_point)
        var3, var4 = map(int, (end_point[0] - start_point[0], end_point[1] - start_point[1]))
        if var3 == 0 or var4 == 0:
            print("Clicks are too close together or identical.")
            return
        has_ran = True
        print(var1, var2, var3, var4)
        # 停止监听器
        listener.stop()
        # 调用截图函数
        capture_area(var1, var2, var3, var4)

# 截图函数
def capture_area(x1, y1, x2, y2):
    while True:
        screenshot = pyautogui.screenshot(region=(x1, y1, x2, y2))
        screenshot.save(f'screenshot_{int(time.time()*1000)}.png')
        time.sleep(1)

# 创建鼠标监听器
with mouse.Listener(on_click=on_click) as listener:
    listener.join()

# 注意：listener.join() 会阻塞，所以 capture_area 函数会在 on_click 中调用

三、识别代码

import os
import re
from paddleocr import PaddleOCR

# 初始化 PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # 需要运行一次以下载并加载模型到内存

# 设置图片文件夹路径
image_folder_path = './screenshots/'
output_file = 'output1.txt'

# 获取图片文件列表并排序
def natural_sort_key(s):
    # 将字符串分割成数字和非数字部分
    return [int(text) if text.isdigit() else text for text in re.split('(\d+)', s)]

image_files = sorted(os.listdir(image_folder_path), key=natural_sort_key)

with open(output_file, 'w') as f:
    for image_file in image_files:
        # 检查文件扩展名是否为图片格式
        if image_file.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
            # 构建完整的文件路径
            full_image_path = os.path.join(image_folder_path, image_file)

            # 执行 OCR 识别
            result = ocr.ocr(full_image_path, cls=True)

            # 检查 result 是否为 None
            if result is None:
                print(f"No result for image {image_file}")
                continue

            # 打印每个图片文件的识别结果
            for idx in range(len(result)):
                res = result[idx]
                # 检查 res 是否为 None
                if res is not None:
                    for line in res:
                        print(line)
                else:
                    print(f"No result for image {image_file} part {idx}")

            # 打印图片文件名和识别到的文本
            if result[0] is not None:
                txts = [line[1][0] for line in result[0]][0]  # 最后一个[0]是为了只获取其中的文字
                print(f"{image_file} 的识别结果: {txts}")
                f.write(f'{txts}\n')
            else:
                print(f"{image_file} 没有文字")

            print("-" * 50)  # 打印分隔线，以便区分不同图片的结果

四、总结

它能干什么，就各取所需了。我觉得能用的地方挺多，比如抓字幕。