Python 拍摄一张屏幕截图，并在上面使用OCR

我知道Python的OCR问题已经讨论过很多次了。 然而，我并没有找到任何能帮助我回避这个问题的东西 . 但这并没有解决我的问题

我需要制作一个小脚本来捕获打开的窗口（文本编辑器）中的文本

因此，它应该：

截图

找到文本编辑器窗口的位置并切分屏幕截图（不知道是否需要这篇文章）

将其转换为灰度并传递给tesseract

我是Python的新手，我不知道这是否可行

不过，请提前感谢您的任何提示

---

乔治

这当然是可能的，但通常也是不合理的。有更好的办法。假设您正在解析网页，您可以在不通过OCR运行的情况下获取HTML文本，或者如果您想读取图像的文本，您可以使用urllib2解析HTML，选择图像，然后直接将图像下载到文件中。Python中还有许多HTML解析器可供选择，您也可以使用。灰度是简单的PIL或ImageMagick。从那里，您可以通过OCR运行它，或者使用Python包装器（如Python tesseract）在脚本中运行它

或者，如果你坚持要做一个屏幕截图，像这样的东西会对你有用。我仍然认为几乎总是有更好的方法，但如果你想尝试，这应该让你开始

import gtk.gdk

w = gtk.gdk.get_default_root_window()
sz = w.get_size()
print "The size of the window is %d x %d" % sz
pb = gtk.gdk.Pixbuf(gtk.gdk.COLORSPACE_RGB,False,8,sz[0],sz[1])
pb = pb.get_from_drawable(w,w.get_colormap(),0,0,0,0,sz[0],sz[1])
if (pb != None):
    pb.save("screenshot.png","png")
    print "Screenshot saved to screenshot.png."
else:
    print "Unable to get the screenshot."

---

这是取自

的，但您已经有了文本！它就在文本编辑器中！你到底为什么要花这么多的时间来获取你已经拥有的文本呢？这是一个例子，它可能是一个文本编辑器或另一个程序，我的意思是我有整洁的文本。如果有人想拍摄选定区域的屏幕截图呢？我的意思是通过点击和拖动鼠标光标来选择某个特定区域。如果你的平台支持Bash，你可以试试（在Ubuntu和OSX上测试过，尽管有时有点小故障）。我承认我喜欢一个可以在所有平台上使用的Python脚本（或者至少是一个主要是Python的脚本，只需将区域选择委托给特定于操作系统的命令）。