当前位置：首页 > 行业动态 > 正文

按键通过文字识别暂停脚本

当指定按键触发时，脚本通过OCR识别屏幕文字，匹配预设内容后

环境准备

  1. 依赖库安装

    • pyautogui：用于模拟键盘/鼠标操作
    • pillow：图像处理
    • pytesseract：OCR文字识别
    • tesseract-ocr：底层OCR引擎 
    pip install pyautogui pillow pytesseract
# Windows需手动安装Tesseract并配置环境变量

  2. Tesseract配置

    • 路径配置（仅Windows）：
      下载Tesseract安装包并配置系统环境变量，或在代码中指定路径：

      import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:Program FilesTesseract-OCRtesseract.exe'

文字识别与暂停逻辑

  1. 核心流程

    • 截图：捕获屏幕图像
    • OCR识别：提取图像中的文字
    • 关键词匹配：判断是否包含预设的暂停关键词（如“暂停”“停止”）
    • 触发暂停：匹配成功时暂停脚本执行

  2. 代码示例

    import pyautogui
import pytesseract
from PIL import Image
import time
def check_pause(keyword="暂停", confidence=0.8):
    # 截取全屏
    screenshot = pyautogui.screenshot()
    # 转为灰度图（提升OCR准确率）
    image = screenshot.convert("L")
    # OCR识别（简体中文）
    text = pytesseract.image_to_string(image, lang="chi_sim", config=f"--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ")
    # 检查关键词
    if keyword in text:
        print(f"检测到关键词 '{keyword}'，暂停脚本")
        return True
    return False
# 主循环
while True:
    if check_pause():
        # 暂停逻辑（可自定义）
        input("按回车键继续...")  # 等待用户输入
    else:
        # 执行其他操作
        print("脚本继续运行")
        time.sleep(2)  # 避免频繁检测

关键参数与优化

参数/方法 说明
lang="chi_sim" 指定简体中文语言包（需下载对应训练数据）
--psm 6 页面布局模式（6=单行文本，7=单列文本，可根据目标文字位置调整）
confidence 置信度阈值（部分OCR引擎支持，如pytesseract.image_to_data()）
图像预处理 灰度化、二值化、降噪（提升文字识别准确率）
多线程/异步检测 避免阻塞主线程（适用于实时性要求高的场景）

常见问题与解决方案

问题 解决方案
识别率低 调整图像预处理（如二值化、膨胀腐蚀）
限定识别区域（减少干扰）
使用白名单（tessedit_char_whitelist）
性能不足 降低检测频率（如time.sleep(1)）
缩小截图范围
使用多线程/异步IO
多语言混合文本 分段识别不同语言区域
使用lang参数指定混合语言（如eng+chi_sim）

相关问题与解答

问题1：如何提高文字识别的准确率？

解答：

  1. 图像预处理：对截图进行灰度化、二值化、降噪等操作，突出文字轮廓。 
    image = image.point(lambda x: 255 if x > 128 else 0, "1")  # 二值化
  2. 限定识别区域：仅截取包含目标文字的屏幕区域（如固定坐标或动态定位）。
  3. 配置Tesseract参数：启用字符白名单、调整PSM模式或使用自定义训练数据。 
    config = "--psm 7 --oem 3 -c tessedit_char_whitelist=暂停启动"
text = pytesseract.image_to_string(image, config=config)

问题2：如何在不阻塞主线程的情况下实时检测文字？

解答：
使用多线程或异步IO实现后台检测： 

import threading
def monitor_pause():
    while True:
        if check_pause():
            # 触发暂停逻辑（如发送信号给主线程）
            print("暂停信号已发送")
        time.sleep(1)
# 启动后台线程
thread = threading.Thread(target=monitor_pause, daemon=True)
thread.start()
# 主线程继续执行其他任务
while True:
    print("主线程任务运行中...")
    time.sleep(2)
文字识别
0

相关文章