分享 Windows 自带的 OCR 工具

之前在写圣遗物评分工具时候，调研过不少 OCR 工具，有 API、模型、软件等等。最终选择了飞桨，在代码灵活性和准确性上都有很好的保障。

后来在日常办公中，还是偶尔会遇到一些需要 OCR 工具解决的问题，比如复制图片中的一些文字云云，这样使用代码调用就有些呆了。

好在基本上办公、聊天类软件的图片查看器中已经集成了 OCR 功能，比如国民级聊天工具微信。

从识别速度到识别准确率，基本没有什么可挑剔的地方。需要使用结果文字的时候，右侧选择并复制即可。

不过要是遇上复杂的图片，识别效果和最终结果的文字排版可能都会不堪入目，比如我截了一个复杂的图文混杂的网页。这时候想要在结果里找到想要的文字复制出来还是会有一些麻烦的。

后来在本地查看图片的时候，意外发现「照片」应用已经集成了 OCR 功能，只要点击图片下方的「扫描」按钮就可以实现。

识别完成后，会在原图片上框出包含文字的部分，并激活光标可进行选择与复制操作（如果需要复制全部文字，可以按 Ctrl+A 全选再 Ctrl+C 复制，或者右键点击「扫描文本」按钮打开右键菜单进行操作）。这是我觉得最惊艳的部分，可以在原图上直接选取想要的文字。如此丝滑的交互方式一下就让我联想到了几年前 Google lens 上的相机实时翻译功能——直接提取镜头里的文字并翻译好后贴图覆盖在画面中。

当然识别准确性的问题还是有的，比如上面复杂页面的识别结果如下：

Character Event V Void Star’s Advent 1 & The Transcendent One Returns 3 v .moe Paimon Void Star’s The Transcendent 主页 Advent One Returns New Wish Available New Wish Available 角色 aracter Event Wish +Character Event Wish-2 祈愿统计 Skirk UP! Shenhe * Void Star Lonesome Transcendence 计算器 养成规划 28,729 Skirk 被抽到 1.71% 5★ 中位数 75 58.2% 小保底没歪 Total 42,121 总玩家数 30,832 数据库 894 祈愿总计 2,456,399 Shenhe 被抽到 13.02% 活动时间一览 58.2% 小保底没歪 Total 319,913 价值 ↑ 393,023,840 O3 设置 Pull By Day % TO1. 100.8 100.6 100 4 100.0 中文(简体) 99.8 99 6 994 99.2 06/19 A

整体而言，似乎比微信的结果要好一些，但也基本排版混乱，结果实用性很低。而且还有一个致命问题，没法在复制完成之前确定结果的准确性。因为这种交互方式只是把文字区域标注出来，并没有用结果文字替换掉原图中的文字。所以一旦识别有问题，你看着选择的是「123」，实际粘贴出来的是「456」。

此外，如果需要本地用照片打开，还需要图片文件的保存、整理，又无形增加了不少操作复杂度。

如果觉得以上操作过于复杂，Windows 还有一个内置的截图工具可以稍稍优化一些步骤。快捷键 Win+Shift+S 或 Print Screen 功能键开始截图，截图完成后会打开「截图工具」的应用（需要点击截图完成后的消息弹窗）。里面内置的 OCR 功能和照片里的应该是同一套功能，而且增加了「复制为表格」的功能。如果截图内容呈现明显的表格结构，可以使用此功能并直接粘贴到 Excel 中。

比如我截了钉钉多个付费版本的功能对比，识别后形成 4*5 的表格结构，复制为表格后的效果如下：

最后做一下总结，Windows 自带的照片也好，截图工具也好，因为丝滑的交互方式打动我使用这个工具。但是 OCR 的应用场景有很多局限性，这两个工具适用的范围很窄。如果我去构思一个 OCR 工具，可能会更看重具体的场景和需求，OCR 只是作为其中一个重要环节。