近期Github開源了一款基于Python開發(fā)、名為Textshot的截圖工具，剛開源不到半個月已經(jīng)500+Star。

這兩天抽空看了一下Textshot的源碼，的確是一個值得介紹的項目。

相對于大多數(shù)OCR工具復雜工程、差強人意的效果，Textshot具有明顯的優(yōu)勢，

• 項目簡單
• 技術點豐富
  

項目簡單

Textshot整個項目只有1個Python文件、139行代碼，沒有復雜的第三方庫應用，也不涉及過多后端算法的調用。

技術點豐富

Textshot這個項目雖然只有短短的139行代碼，但是，卻涉及Python中多個方面的知識應用，

• UI開發(fā)
• 截圖工具開發(fā)
• 后端引擎調用

通過這短短的項目，你不僅可以了解如何利用PyQt5實現(xiàn)一個用戶界面，還可以學會如何使用pyscreenshot開發(fā)一款自己的截圖工具。此外，還能夠學會后端tesseract的調用。

換句話說，這短短的139行代碼囊括了前端至后端的整個流程，而且涉及到截圖和OCR兩款工具的銜接。因此，Textshot雖然工程不大，卻是一個非常完備、值得學習的項目。

本文就來剖析這個項目的源代碼，教你一步一步實現(xiàn)自用且永久免費的截圖&OCR工具！

tesseract

目前OCR工具數(shù)不勝數(shù)，但是大多數(shù)都是在相同的后端算法上面進行了不同的封裝而已。而真正在OCR核心做的較好、值得大書特書的，那么一定非tesseract莫屬

tesseract早在1985就已經(jīng)開始由HP實驗室開始研發(fā)，而在1995年更是被評為最為準確的3款OCR工具之一。此后，tesseract被開源，經(jīng)過Google對其不斷的進行優(yōu)化和升級，它目前已經(jīng)成為OCR方面一款標桿性的工具。很多開源或者付費的OCR工具，都是直接調用tesseract或者對其進行稍許優(yōu)化。

而今天介紹的Textshot就是直接調用tesseract后端引擎進行OCR識別。因此，Textshot只是實現(xiàn)了一款截圖工具，起到前后端的串聯(lián)作用，在OCR識別算法方面并沒有做任何工作。

tesseract安裝

由于Textshot的OCR識別需要調用tesseract后端引擎，所以，首先需要安裝tesseract。

Windows版安裝可以直接訪問下載鏈接[1].

Mac下可以使用Homebrew進行安裝，

brew install tesseract　

Textshot

Textshot是一款截圖識別文字的OCR工具，因此，它主要涉及2個環(huán)境，

截圖

OCR識別

Textshot首先通過截圖獲取需要進行文字識別的圖像，然后對這副圖像進行OCR文字識別，輸出識別結果。

前面已經(jīng)介紹了，Textshot的OCR識別階段調用的是tesseract，所以只需要1行代碼即可完成。

因此，Textshot的工作主要是圍繞前端窗口和截圖工具的實現(xiàn)方面。

截圖工具

截圖工具是我們經(jīng)常會用到的一種工具，如何實現(xiàn)一款截圖工具？

很多人會把它想的非常復雜，其實，Python中有很多可以實現(xiàn)截圖的庫或者函數(shù)，例如，pyscreenshot或者pillow中的ImageGrab函數(shù)，它的調用方式如下，

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

也就是說，我們只需要把鼠標框選的起點和終點坐標傳給grab方法就可以實現(xiàn)截圖功能。

那么，現(xiàn)在問題就轉化為如何獲取鼠標框選的起點和終點？

Textshot通過調用PyQt5并繼承QWidget來實現(xiàn)鼠標框選過程中的一些方法來獲取框選的起點和終點。

Textshot繼承和重寫QWidget方法主要包括如下幾個，

• keyPressEvent(self, event)：鍵盤響應函數(shù)
• paintEvent(self, event)：UI繪制函數(shù)
• mousePressEvent(self, event)：鼠標點擊事件
• mouseMoveEvent(self, event)：鼠標移動事件
• mouseReleaseEvent(self, event)：鼠標釋放事件
  

可以看出，上面重寫的方法以及囊括了截圖過程中涉及的各個動作，

• 點擊鼠標
• 拖動、繪制截圖框
• 釋放鼠標

class Snipper(QtWidgets.QWidget):
  def __init__(self, parent=None, flags=Qt.WindowFlags()):
    super().__init__(parent=parent, flags=flags)
 
    self.setWindowTitle("TextShot")
    self.setWindowFlags(
      Qt.FramelessWindowHint | Qt.WindowStaysOnTopHint | Qt.Dialog
    )
 
    self.is_macos = sys.platform.startswith("darwin")
    if self.is_macos:
      self.setWindowState(self.windowState() | Qt.WindowMaximized)
    else:
      self.setWindowState(self.windowState() | Qt.WindowFullScreen)
 
    self.setStyleSheet("background-color: black")
    self.setWindowOpacity(0.5)
 
    QtWidgets.QApplication.setOverrideCursor(QtGui.QCursor(QtCore.Qt.CrossCursor))
 
    self.start, self.end = QtCore.QPoint(), QtCore.QPoint()
 
  def keyPressEvent(self, event):
    if event.key() == Qt.Key_Escape:
      QtWidgets.QApplication.quit()
 
    return super().keyPressEvent(event)
 
  def paintEvent(self, event):
    if self.start == self.end:
      return super().paintEvent(event)
 
    painter = QtGui.QPainter(self)
    painter.setPen(QtGui.QPen(QtGui.QColor(255, 255, 255), 3))
    painter.setBrush(QtGui.QColor(255, 255, 255, 100))
 
    if self.is_macos:
      start, end = (self.mapFromGlobal(self.start), self.mapFromGlobal(self.end))
    else:
      start, end = self.start, self.end
 
    painter.drawRect(QtCore.QRect(start, end))
    return super().paintEvent(event)
 
  def mousePressEvent(self, event):
    self.start = self.end = QtGui.QCursor.pos()
    self.update()
    return super().mousePressEvent(event)
 
  def mouseMoveEvent(self, event):
    self.end = QtGui.QCursor.pos()
    self.update()
    return super().mousePressEvent(event)
 
  def mouseReleaseEvent(self, event):
    if self.start == self.end:
      return super().mouseReleaseEvent(event)
 
    x1, x2 = sorted((self.start.x(), self.end.x()))
    y1, y2 = sorted((self.start.y(), self.end.y()))

然后啟動截圖界面，

QtCore.QCoreApplication.setAttribute(Qt.AA_DisableHighDpiScaling)
app = QtWidgets.QApplication(sys.argv)
window = QtWidgets.QMainWindow()
snipper = Snipper(window)
snipper.show()

用戶拖動、框選窗口，會獲取窗口的起點和終點的坐標，這時候可以調用下面語句進行截圖，獲取需要OCR識別的文本圖像，

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

OCR文字識別

通過ImageGrab.grab截取到文本圖像shot，下一步就是要把圖像內(nèi)容輸入給后端的tesseract引擎，讓它把圖像轉化為字符串

result = pytesseract.image_to_string(img, timeout=2, lang=(sys.argv[1] if len(sys.argv) > 1 else None))

到這里，就實現(xiàn)了一款準確度高、永久免費的OCR工具。

回顧一下Textshot的項目，我們會發(fā)現(xiàn)截圖坐標范圍內(nèi)的圖像、OCR識別只需要2行代碼，大多數(shù)都是在圍繞獲取窗口起點和終點坐標在開發(fā)。換句話說，Textshot這個項目對OCR核心部分并沒有做任何更改，只是在產(chǎn)品包裝方面做了一些巧妙的工作。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論