如何用Python调用微软截图工具实现高精度OCR文本提取？

微软截图工具的文本提取依赖Windows内置的OCR引擎，准确率高且无需额外安装Tesseract，完全可以通过Python实现调用，以下是两种可行方案：

方案1：通过PowerShell调用Windows OCR API #

直接用Python的subprocess执行PowerShell脚本，调用系统内置的OCR引擎处理图片：

import subprocess
import json

def get_windows_ocr_result(image_path):
    ps_cmd = f"""
    $ocrEngine = [Windows.Media.Ocr.OcrEngine]::TryCreateFromUserProfileLanguages()
    $bitmapDecoder = [Windows.Media.Imaging.BitmapDecoder]::CreateAsync([System.Uri]::new('{image_path}')).GetAwaiter().GetResult()
    $ocrResult = $ocrEngine.RecognizeAsync($bitmapDecoder.Frames[0]).GetAwaiter().GetResult()
    $ocrResult.Text | ConvertTo-Json
    """
    proc = subprocess.run(["powershell", "-Command", ps_cmd], capture_output=True, text=True)
    if proc.returncode == 0:
        return json.loads(proc.stdout)
    raise RuntimeError(f"OCR执行失败: {proc.stderr}")

注意事项： #

• 仅支持Windows 10 1903及以上版本
• 传入的image_path必须是绝对路径

方案2：使用第三方封装库winocr #

winocr是专门封装Windows OCR API的Python库，使用更简洁：

1. 安装库：

pip install winocr

2. 调用示例：

from winocr import OcrEngine

# 初始化引擎
ocr_engine = OcrEngine()
# 识别本地图片
ocr_result = ocr_engine.recognize_file("你的截图路径.png")
# 获取识别文本
extracted_text = ocr_result.text

适配你的单词搜索项目 #

替换原代码中PyTesseract的调用逻辑即可，结合自动截图工具（如pyautogui）可实现完整流程：

import pyautogui

# 截取屏幕指定区域（按需调整坐标和尺寸）
screenshot = pyautogui.screenshot(region=(100, 100, 500, 300))
temp_img_path = "temp_snip.png"
screenshot.save(temp_img_path)

# 调用OCR获取文本
extracted_text = get_windows_ocr_result(temp_img_path)  # 或用winocr的方法
# 生成待搜索单词列表
word_list = [word.strip() for word in extracted_text.split("\n") if word.strip()]

此方案完全替代PyTesseract，既提升识别准确率，又无需用户额外安装Tesseract-OCR。

内容的提问来源于stack exchange，提问作者Johnny Bravo