AutoHotkey 实战：利用 Windows 自带光学字符识别(OCR)实现自动化文本提取

1次阅读

共计 2096 个字符，预计需要花费 6 分钟才能阅读完成。

在自动化脚本开发中，经常需要从屏幕或图像中提取文本。传统方案如 Tesseract 虽然强大，但需要额外安装和配置，而 Windows 10/11 自带的 Windows.Media.Ocr API 提供了开箱即用的 OCR 功能，支持多种语言，无需额外部署，特别适合快速开发和轻量级应用。

Windows 版本：Windows 10 版本 1809 或更高，或 Windows 11
AutoHotkey 版本：AutoHotkey v2.0+
语言支持：确保系统已安装所需语言的 OCR 语言包（如中文、英文等）

以下是一个完整的示例脚本，演示如何通过 COM 接口调用 Windows 自带的 OCR 功能：

#Requires AutoHotkey v2.0

; 初始化 COM 接口
ocrEngine := ComObject("Windows.Media.Ocr.OcrEngine")
ocrEngine := ocrEngine.TryCreateFromUserProfileLanguages()
if !ocrEngine
{
    MsgBox "无法初始化 OCR 引擎，请检查语言包是否安装。"
    ExitApp
}

; 截取屏幕区域（示例：左上角 100x100 像素）pBitmap := Gdip_BitmapFromScreen("0|0|100|100")
if !pBitmap
{
    MsgBox "截图失败"
    ExitApp
}

; 将 Bitmap 转换为 Windows.Media.Imaging.SoftwareBitmap
hBitmap := Gdip_CreateHBITMAPFromBitmap(pBitmap)
softwareBitmap := ConvertHBitmapToSoftwareBitmap(hBitmap)

; 调用 OCR 识别
try
{ocrResult := ocrEngine.RecognizeAsync(softwareBitmap).GetResults()
    recognizedText := ocrResult.Text
    MsgBox "识别结果：" recognizedText
}
catch
{MsgBox "OCR 识别失败：" ErrorMessage}

; 清理资源
Gdip_DisposeImage(pBitmap)
DeleteObject(hBitmap)

Windows.Media.Ocr 需要 SoftwareBitmap 作为输入，以下是转换函数：

ConvertHBitmapToSoftwareBitmap(hBitmap) {
    ; 通过 COM 接口创建 SoftwareBitmap
    bitmapDecoder := ComObject("Windows.Graphics.Imaging.BitmapDecoder")
    stream := ComObject("Windows.Storage.Streams.RandomAccessStreamReference")
    stream := stream.CreateFromFile(hBitmap)
    decoder := bitmapDecoder.CreateAsync(stream).GetResults()
    softwareBitmap := decoder.GetSoftwareBitmapAsync().GetResults()
    return softwareBitmap
}