如何从Skype、记事本等桌面应用程序中抓取文本内容？

不存在能无差别适配所有桌面应用的万能抓取函数，你需要根据目标应用的UI技术栈选择对应实现路径，目前工业界常用的可行方案按优先级排序如下：

• 原生UI自动化接口方案（优先选）
  Windows系统自带的UI Automation（UIA）框架是目前兼容性最好的实现，对标准Win32控件、WinForms、WPF、系统原生应用（包括系统自带记事本、新版Windows计算器、经典桌面版Skype、大部分传统Win32架构的行业软件比如你提到的MyCRM）都有完整支持，可以直接遍历窗口控件树，精准读取指定控件的文本值，不需要做图像识别，性能和准确率都能达到100%。
  不同语言可以直接调用对应封装：C#直接用内置的System.Windows.Automation库即可；Python推荐用uiautomation或者pywinauto第三方库，实现成本极低，抓记事本内容的示例代码如下：

  import uiautomation as auto
  # 匹配已打开的记事本窗口
  notepad_win = auto.WindowControl(searchDepth=1, ClassName='Notepad')
  # 直接读取编辑区全部文本
  note_content = notepad_win.EditControl().GetTextPattern().DocumentRange.GetText()
  print(note_content)
  

  注意如果目标程序以管理员权限运行，你的抓取脚本也需要提权到管理员权限，否则会因为系统权限隔离拿不到控件句柄。
• OCR兜底方案（适配自定义绘制UI）
  很多自绘UI的应用（比如部分Qt客户端、老版Delphi写的软件、部分游戏客户端）没有暴露标准UIA控件，UIA框架遍历不到有效控件时，可以用OCR方案兜底：先通过Win32 API拿到目标窗口的坐标和句柄，截取对应窗口的画面，传给PaddleOCR、Tesseract这类本地OCR引擎识别全部文本，再结合你提前标定的字段坐标，提取需要的内容。
  这个方案理论上能抓所有屏幕上可见的文本，通用性最强，但缺点是性能差、识别准确率受界面遮挡、字体、主题色影响，需要自己做文本后处理和坐标匹配。
• 特定框架专项方案（准确率最高）
  针对特定技术栈开发的应用，可以用更精准的专项方案，不需要走通用接口：
  • 新版Skype、Teams这类Electron架构应用，可以在启动时加--remote-debugging-port=9222参数开启远程调试，直接通过Chrome DevTools协议读取页面DOM里的文本，准确率100%
  • Java Swing/JavaFX应用，可以通过JVM attach机制直接读取内存里的组件树文本，不需要界面识别
  • 内嵌CEF/网页视图的客户端，可以通过CEF自带的调试接口读取渲染层的文本内容

注意：所有文本抓取操作请仅在你有权限访问的应用和场景下使用，遵守对应软件的用户协议和数据合规相关规定。

内容的提问来源于stack exchange，提问作者muhamed fasil