python 提取桌面文字 python提取窗口文本

用python制作属于自己OCR小脚本。

现在的ocr技术已经相当成熟，笔者因为前端时间要做一个pyqt5的项目，学习了点pyqt5的知识，又恰逢领导需要，需要制作一个pdf转换为txt文本的脚本，一番交流之后，才晓得只是想提取pdf的一部分内容，而且pdf都是图片格式的，不能复制，泪奔啊，一番尝试+百度，决定采用截图方式提取pdf内容，方便，快捷。

主要实现的功能：全局热键截图

截图文字提取

截图文字展现。

上一个效果图：

主界面:

环境：win10; python3.6, pyqt55.12。

第一部分，全局热键

代码实现:

# _*_ coding:UTF-8 _*_
import win32con
import ctypes
import ctypes.wintypes
RUN=False #用来传递运行一次的参数
EXIT = False #用来传递退出的参数
user32 = ctypes.windll.user32 #加载user32.dll
id1=113 #注册热键的唯一id，用来区分热键
id2=106
class Hotkey: #创建一个Thread.threading的扩展类
def __init__(self, single):
self.single = single['bar_value']
def runs(self):
global EXIT #定义全局变量，这个可以在不同线程间共用。
global RUN #定义全局变量，这个可以在不同线程间共用。
if not user32.RegisterHotKey(None, id1, 0, win32con.VK_F2): # 注册快捷键F9并判断是否成功，该热键用于执行一次需要执行的内容。
print ("Unable to register id", id1) # 返回一个错误信息
if not user32.RegisterHotKey(None, id2, 0, win32con.VK_F10): # 注册快捷键F10并判断是否成功，该热键用于结束程序，且最好这么结束，否则影响下一次注册热键。
print ("Unable to register id", id2)
#以下为检测热键是否被按下，并在最后释放快捷键
try:
msg = ctypes.wintypes.MSG()
while True:
# print('1')
self.single.emit(['hotKet'])
if user32.GetMessageA(ctypes.byref(msg), None, 0, 0) != 0:
if msg.message == win32con.WM_HOTKEY:
if msg.wParam == id1:
RUN = True
elif msg.wParam == id2:
EXIT=True
return
user32.TranslateMessage(ctypes.byref(msg))
user32.DispatchMessageA(ctypes.byref(msg))
finally:
user32.UnregisterHotKey(None, id1)#必须得释放热键，否则下次就会注册失败，所以当程序异常退出，没有释放热键，
#那么下次很可能就没办法注册成功了，这时可以换一个热键测试
user32.UnregisterHotKey(None, id2)
if __name__ == "__main__":
hotkey = Hotkey()
hotkey.runs()
while(True):
if RUN==True:
print('gggg')
RUN=False
elif EXIT==True:
#这里是用于退出循环的
break

第二部分：截图功能。

上一部分已经实现截图后自动保存图片，图片会重复覆盖写入，用户感知不到图片的存在。图片保存完成后利用百度的ocr接口，返回图片内容，以弹窗返回内容。

一个简单的ocr至此已完结。头条对代码的展现还是不够友好，这里代码放在github上，需要自己申请百度的接口用户id。

百度ocr申请。传送门https://console.bce.baidu.com

代码在github上，申请百度apikey后可直接使用。

https://github.com/BuildDreams/OCR

百度申请后在下面获取apikey。