Online OCR Skill

在线OCR图片识别技能，使用免费的OCR.space API，无需安装Tesseract OCR引擎。

特点

• ✅ 无需安装Tesseract - 使用在线API
• ✅ 支持多种语言 - 包括中文、英文等
• ✅ 免费使用 - OCR.space免费API（每月1000次请求）
• ✅ 简单易用 - 只需Python和requests库
• ✅ 支持多种图片格式 - PNG, JPG, JPEG, PDF等

安装依赖

pip install requests pillow

使用方法

Python脚本

import requests
import base64
from PIL import Image
import io

class OnlineOCR:
    def __init__(self, api_key='helloworld'):  # 免费API密钥
        self.api_key = api_key
        self.api_url = 'https://api.ocr.space/parse/image'
    
    def ocr_from_file(self, image_path, language='chs'):
        """
        从图片文件识别文字
        
        参数:
        - image_path: 图片文件路径
        - language: 语言代码
            chs - 中文简体
            eng - 英文
            jpn - 日文
            kor - 韩文
            etc.
        
        返回: 识别结果文本
        """
        with open(image_path, 'rb') as f:
            img_data = f.read()
        
        return self.ocr_from_bytes(img_data, language)
    
    def ocr_from_bytes(self, image_bytes, language='chs'):
        """从字节数据识别文字"""
        # 将图片转换为base64
        img_base64 = base64.b64encode(image_bytes).decode('utf-8')
        
        # 准备请求数据
        payload = {
            'base64Image': f'data:image/png;base64,{img_base64}',
            'language': language,
            'isOverlayRequired': False,
            'apikey': self.api_key,
            'OCREngine': 2  # 使用引擎2（更准确）
        }
        
        # 发送请求
        response = requests.post(self.api_url, data=payload)
        
        if response.status_code == 200:
            result = response.json()
            if result['IsErroredOnProcessing']:
                raise Exception(f"OCR处理错误: {result['ErrorMessage']}")
            
            # 提取文本
            parsed_results = result.get('ParsedResults', [])
            if parsed_results:
                return parsed_results[0].get('ParsedText', '')
            return ''
        else:
            raise Exception(f"API请求失败: {response.status_code}")
    
    def ocr_from_url(self, image_url, language='chs'):
        """从URL识别图片文字"""
        payload = {
            'url': image_url,
            'language': language,
            'isOverlayRequired': False,
            'apikey': self.api_key,
            'OCREngine': 2
        }
        
        response = requests.post(self.api_url, data=payload)
        
        if response.status_code == 200:
            result = response.json()
            if result['IsErroredOnProcessing']:
                raise Exception(f"OCR处理错误: {result['ErrorMessage']}")
            
            parsed_results = result.get('ParsedResults', [])
            if parsed_results:
                return parsed_results[0].get('ParsedText', '')
            return ''
        else:
            raise Exception(f"API请求失败: {response.status_code}")

# 使用示例
if __name__ == "__main__":
    ocr = OnlineOCR()
    
    # 从文件识别
    text = ocr.ocr_from_file('test.png', language='chs')
    print(text)
    
    # 从URL识别
    # text = ocr.ocr_from_url('https://example.com/image.png', language='eng')

命令行工具

创建 online_ocr_cli.py：

#!/usr/bin/env python3
import argparse
import os
import sys
from online_ocr import OnlineOCR

def main():
    parser = argparse.ArgumentParser(description='在线OCR图片识别工具')
    parser.add_argument('image', help='图片文件路径或URL')
    parser.add_argument('-l', '--lang', default='chs', 
                       help='语言代码 (默认: chs)')
    parser.add_argument('-o', '--output', help='输出文件路径')
    parser.add_argument('--api-key', default='helloworld',
                       help='OCR.space API密钥 (默认: helloworld)')
    
    args = parser.parse_args()
    
    # 创建OCR实例
    ocr = OnlineOCR(api_key=args.api_key)
    
    try:
        # 判断输入是文件还是URL
        if args.image.startswith('http://') or args.image.startswith('https://'):
            text = ocr.ocr_from_url(args.image, args.lang)
        else:
            if not os.path.exists(args.image):
                print(f"错误: 文件不存在 - {args.image}")
                return
            
            text = ocr.ocr_from_file(args.image, args.lang)
        
        # 输出结果
        if args.output:
            with open(args.output, 'w', encoding='utf-8') as f:
                f.write(text)
            print(f"结果已保存到: {args.output}")
        else:
            print("\n=== 识别结果 ===")
            print(text)
            
    except Exception as e:
        print(f"错误: {str(e)}")
        sys.exit(1)

if __name__ == "__main__":
    main()

支持的语言

OCR.space支持多种语言，常用语言代码：

• chs - 中文简体
• cht - 中文繁体
• eng - 英文
• jpn - 日文
• kor - 韩文
• fre - 法文
• ger - 德文
• spa - 西班牙文
• rus - 俄文
• ita - 意大利文

完整列表参考：https://ocr.space/ocrapi

API密钥

默认使用免费API密钥 helloworld，限制：

• 每月1000次请求
• 文件大小限制：1MB
• 不支持PDF文件

如需更多功能，可注册获取自己的API密钥：

1. 访问 https://ocr.space/ocrapi
2. 注册账号
3. 获取免费API密钥

示例

示例1：识别中文图片

from online_ocr import OnlineOCR

ocr = OnlineOCR()
text = ocr.ocr_from_file('chinese_text.png', language='chs')
print(text)

示例2：识别英文图片

text = ocr.ocr_from_file('english_text.png', language='eng')
print(text)

示例3：批量处理

import os
from online_ocr import OnlineOCR

ocr = OnlineOCR()

def batch_ocr(image_folder, output_folder, lang='chs'):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    for filename in os.listdir(image_folder):
        if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
            image_path = os.path.join(image_folder, filename)
            output_path = os.path.join(output_folder, f"{os.path.splitext(filename)[0]}.txt")
            
            try:
                text = ocr.ocr_from_file(image_path, lang)
                
                with open(output_path, 'w', encoding='utf-8') as f:
                    f.write(text)
                
                print(f"已处理: {filename}")
            except Exception as e:
                print(f"处理失败 {filename}: {str(e)}")

集成到OpenClaw

作为工具使用

# 在OpenClaw技能中集成在线OCR功能
def online_ocr_tool(image_path, language='chs'):
    """在线OCR工具函数"""
    try:
        from online_ocr import OnlineOCR
        
        ocr = OnlineOCR()
        text = ocr.ocr_from_file(image_path, language)
        
        return {
            "success": True,
            "text": text,
            "language": language,
            "source": "OCR.space API"
        }
    except Exception as e:
        return {
            "success": False,
            "error": str(e),
            "source": "OCR.space API"
        }

故障排除

常见问题

1. API请求限制

```

错误: 超过API限制

```

解决方案：等待下个月或注册获取自己的API密钥

1. 图片太大

```

错误: 文件大小超过限制

```

解决方案：压缩图片或减小尺寸

1. 网络问题

```

错误: 连接超时

```

解决方案：检查网络连接，或使用代理

性能优化

1. 图片预处理

```python

from PIL import Image

def preprocess_image(image_path, max_size=800):

"""预处理图片以优化OCR"""

img = Image.open(image_path)

# 调整大小

if max(img.size) > max_size:

ratio = max_size / max(img.size)

new_size = tuple(int(dim * ratio) for dim in img.size)

img = img.resize(new_size, Image.Resampling.LANCZOS)

# 转换为RGB（如果不是）

if img.mode != 'RGB':

img = img.convert('RGB')

# 保存临时文件

temp_path = 'temp_processed.jpg'

img.save(temp_path, 'JPEG', quality=85)

return temp_path

```

1. 使用本地缓存

```python

import hashlib

import json

import os

class CachedOCR(OnlineOCR):

def __init__(self, cache_dir='.ocr_cache', **kwargs):

super().__init__(**kwargs)

self.cache_dir = cache_dir

if not os.path.exists(cache_dir):

os.makedirs(cache_dir)

def ocr_from_file(self, image_path, language='chs'):

# 生成缓存键

with open(image_path, 'rb') as f:

file_hash = hashlib.md5(f.read()).hexdigest()

cache_key = f"{file_hash}_{language}"

cache_file = os.path.join(self.cache_dir, f"{cache_key}.json")

# 检查缓存

if os.path.exists(cache_file):

with open(cache_file, 'r', encoding='utf-8') as f:

return json.load(f)['text']

# 调用API

text = super().ocr_from_file(image_path, language)

# 保存缓存

with open(cache_file, 'w', encoding='utf-8') as f:

json.dump({'text': text, 'language': language}, f)

return text

```

许可证

MIT License

支持

• OCR.space API文档：https://ocr.space/ocrapi
• 问题反馈：创建GitHub Issue
• 功能建议：欢迎贡献代码