屏幕区域的 OCR 方法。 SDK 或应用程序

Posted 2023-04-17

【中文标题】屏幕区域的 OCR 方法。 SDK 或应用程序

【英文标题】：Method for OCR of a screen region. SDK or application

【发布时间】：2012-09-22 10:52:21

【问题描述】：

我还没有找到解决方案。我想做的是从专有的金融软件平台读取特定的数字文本值。我首先尝试了可访问性和元素间谍方法，但没有成功。我能想到的唯一可行的方法是使用屏幕的 OCR，具有特定的固定区域。

我检查过的所有 OCR 解决方案似乎都是基于文件的（PDF、TIFF 等）。我真正需要的是可以从屏幕上捕获的 OCR 解决方案。我能想到的几个挑战： 要捕获的文本是黑色背景，可以是彩色文本（黄色、绿色、红色、橙色）。文字大小也很小（我认为是 6pt）。

理想情况下，我想要一个 .NET API，但我愿意尝试任何可行的方法。

【问题讨论】：

你能说一下程序是什么，你想要完成什么，可能还有其他方法可以完成你想做的事情。不要陷入XY problem。

当然，这个程序叫做thinkorswim。我相信这是一个Java应用程序。我尝试过的一种解决方案是 Screen Scraper Studio。他们声称能够从 Java 应用程序中提取 UI 元素，但我无法使用他们的程序这样做。 Screen Scraper Studio 也有在屏幕区域上的 OCR 方法，但我发现 OCR 按预期工作的时间不到 50%，我需要它接近 99%。

【参考方案1】：

这可能无法回答您的 OCR 问题，但您可以尝试的最后一种方法是挂钩 Windows 的 DrawText API。我最近了解到这个来解决一个similar problem like you had myself。

去下载EasyHook 库并查看示例。尝试在外部应用程序上挂钩DrawTextA, DrawTextW、DrawTextExA and DrawTextExW（这将与我的问题中的代码不同，因为我挂钩的是 Inproc DLL，而不是外部程序，但您的用例是 EasyHook 的设计目的，我的方式是一个黑客）。找出它使用什么，看看你是否可以让你的代码解析出文本。

【参考方案2】：

试试这个OCR SDK

您制作屏幕截图，指定区域并将其传递给 OCR。我们用这种方法得到了很好的结果。我们也尝试了 tesseract，但无法使其与屏幕字体正常工作。