在python中从屏幕中提取文本

Question

是否有用于从png位图屏幕截图中提取文本的库等？

它适用于自动化程序，并且（例如）能够读取按钮等。我已经检查过 Tesseract，但它似乎是为图片制作的，而不是计算机屏幕字体。

Answer 1

如果您正在处理少量可能的匹配（即：您想要识别两个或三个不同的按钮），最简单的方法是隔离上一个屏幕截图中的那些，将它们保存到单独的文件中，然后使用某种形式的模板匹配，这在 opencv 中非常容易。

但是，如果您需要实际识别按钮文本，则需要 OCR 引擎。Tesseract 是一个很好的候选者，如果你可以让它针对你的字体进行训练（这是一个漫长的过程）。正如您提到的，如果您正在处理小字体，则需要执行此操作，而超立方体最初并未经过训练来识别该字体。如果你不能，Python 中还有其他一些可用的引擎，比如Ocropus