按键识别屏幕文字的代码

按键触发屏幕文字识别实现方案

核心功能说明

通过监听全局键盘事件，当用户按下指定组合键时自动截取屏幕图像，使用OCR技术识别图像中的文字内容,并将结果输出到控制台或弹窗显示。

依赖库安装

完整代码实现

from pynput import keyboard
from PIL import ImageGrab
import pytesseract
import threading
import time
import os
import tkinter as tk
from tkinter import messagebox
# 配置Tesseract路径（Windows示例）
pytesseract.pytesseract.tesseract_cmd = r'C:Program FilesTesseract-OCRtesseract.exe'
# 定义触发快捷键（Ctrl+Alt+S）
TRIGGER_KEY = {'ctrl': True, 'alt': True, 's': True}
def on_press(key):
    """键盘事件监听回调"""
    if key == keyboard.Key.esc:
        listener.stop()  # 按ESC退出监听
    elif match_keys(key, TRIGGER_KEY):
        threading.Thread(target=screenshot_ocr).start()  # 后台线程处理
def match_keys(key, key_combination):
    """判断是否匹配快捷键组合"""
    if isinstance(key, keyboard.HotKey):
        return all([key_combination.get(k, False) for k in key_combination])
    return False
def screenshot_ocr():
    """截图并执行OCR识别"""
    # 全屏截图（可根据需求改为区域截图）
    screenshot = ImageGrab.grab()
    screenshot_path = os.path.join(os.gettempdir(), 'screenshot.png')
    screenshot.save(screenshot_path)
    try:
        # 执行OCR识别（设置语言为简体中文）
        text = pytesseract.image_to_string(screenshot, lang='chi_sim')
        # 弹窗显示结果（使用tkinter避免阻塞主线程）
        root = tk.Tk()
        root.withdraw()
        messagebox.showinfo("识别结果", f"OCR文本：
{text}")
        root.destroy()
    except Exception as e:
        print(f"OCR识别失败: {e}")
    finally:
        # 删除临时截图文件
        if os.path.exists(screenshot_path):
            os.remove(screenshot_path)
def main():
    """启动键盘监听"""
    global listener
    listener = keyboard.Listener(on_press=on_press)
    listener.start()
    print("监听已启动，按Ctrl+Alt+S触发识别，按ESC退出")
    listener.join()
if __name__ == "__main__":
    main()

关键参数说明

常见问题解决方案

相关问题与解答

Q1：如何修改触发快捷键为Ctrl+Shift+A？
A1：修改TRIGGER_KEY定义为{'ctrl': True, 'shift': True, 'a': True}，并重启程序即可,注意新快捷键不要与系统保留快捷键冲突。

Q2：为什么识别英文内容时出现多余空格？
A2：这是Tesseract的常见现象，可通过以下方法优化：

1. 调用pytesseract.image_to_string(image, config='--psm 6')指定页面布局分析模式
2. 对结果进行后处理，如`text.replace(‘ ‘, ‘