前言

话不多说，先收藏

github地址： Umi-OCR

• 速度方面：我只能说快如闪电
• 使用方面：简单
• 准确程度：符合我的要求，满足大部分没问题。
• 免费就是神，免费又快又准就是神中神

使用

下载Umi-OCR：打开： https://github.com/hiroi-sora/Umi-OCR

下载完成后解压之后打开解压：

解压完成：

打开之后选择高级：

有多个接口，需要自行下载：

下载地址： https://github.com/hiroi-sora/Umi-OCR_plugins?tab=readme-ov-file ，依次下载到指定文件夹就行。

在影刀使用：

参数说明：

inputs：

需要识别的图片      （支持输入：本地图片、网页对象、窗口对象、网页元素、窗口元素、全屏（全屏输入：空列表）、区域）

require：获取的内容   （包含：识别的文本、中心坐标、位置信息）

输入举例：（文本、坐标、位置）多个参数英文逗号隔开

• 文本
• 文本,坐标

匹配规则：

筛选识别结果里面不需要的文本，使用正则筛选（获取全部输入：*）

举例：

• 回答         识别结果只要等于==回答
• *回答*      识别结果包含回答
• *               不筛选获取全部

star：起始坐标（可不理会，只要是适配点击文本使用，留空就行）

代码：

from . import package
from .package import variables as glv
from xbot import print, sleep, win32, web
import base64, fnmatch, json, os, shutil, time, requests, xbot,glob
def umi_OCR(img_path):
    img_base64 = [base64.b64encode(f.read()).decode() for f in [open(img_path, "rb")]][0]
    res = requests.post(
        "http://127.0.0.1:1224/api/ocr",
        json={
            "base64": img_base64,
            "options": {"data.format": "json"}
        }
    ).json()
    print(res)
    print(res["time"])
    return res

def screenshot(inputs, filepath):
    """
    inputs: 可以输入以下：  网页对象/桌面对象、网页元/桌面对象、系统全屏/指定区域
    filepath: 指定截图保存路径。 默认路径：桌面+时间戳.png
    """
    
    if not filepath:
        filepath = os.path.join(os.path.expanduser("~"), "Desktop", f"{int(time.time())}.png")

    if isinstance(inputs, str) and os.path.isfile(inputs):
        shutil.copy2(inputs, filepath)

    elif "xbot.web" in str(type(inputs)) or "xbot.win" in str(type(inputs)):
        try:
            save_path, filename = os.path.split(filepath)
            inputs.screenshot(save_path, filename=filename)
        except:
            win32.screenshot.save_window_to_file(0, filepath, "png")

    elif isinstance(inputs, list):
        args = () if inputs == [0,0,0,0] else tuple(inputs)
        win32.screenshot.save_screen_to_file(filepath, "png", *args)
   
    else:
        raise ValueError(f"无法识别的 inputs 类型: {type(inputs)}")

    return filepath

def 文本匹配(文本, 匹配规则):
    try:
        for 模式 in (m.strip() for m in 匹配规则.split(",") if m.strip()):
            if 模式 == "*" or fnmatch.fnmatch(文本, 模式):
                return 文本
    except:
        pass
    return ""

def main(inputs,require, 匹配规则,star):
    img_path = screenshot(inputs, "")
    res = umi_OCR(img_path)
    os.remove(img_path)
    # 初始 star
    star = star or [0, 0]
    if "xbot.web" in str(type(inputs)) or "xbot.win" in str(type(inputs)):
        try:
            star = inputs.get_bounding(True)[:2]
        except:
            star = [0, 0]

    temp_data = []
    for i in res["data"]:
        文本 = 文本匹配(i["text"], 匹配规则)
        if not 文本:
            continue

        x1, y1 = i["box"][0]
        x2, y2 = i["box"][2]
        坐标 = [(x1 + x2) // 2 + star[0], (y1 + y2) // 2 + star[1]]
        位置 = {
            "左边": x1 + star[0], "顶部": y1 + star[1],
            "右边": x2 + star[0], "底部": y2 + star[1],
            "宽度": x2 - x1, "高度": y2 - y1,
            "中心x坐标":坐标[0],"中心y坐标":坐标[1]
        }
        temp_data.append({"文本": 文本, "坐标": 坐标, "位置": 位置})

    # 排序：始终按纵坐标、再横坐标
    temp_data.sort(key=lambda x: (x["坐标"][1], x["坐标"][0]))

    fields = [f.strip() for f in require.split(",")]
    single_field = len(fields) == 1
    # 构建返回
    datas = []
    for item in temp_data:
        if single_field:
            datas.append(item[fields[0]])
        else:
            datas.append({f: item[f] for f in fields})
    return datas

注意点：

• 对网页元素和窗口对象识别的时候，元素要在可视区域
• 运行代码时：umi-ocr要运行