【实战】用易语言 + OCR API 打造自动文字识别工具（通用文字识别/截图识别，附完整源码）

#易语言,#OCR,#文字识别,#API调用,#桌面软件开发,#通用文字识别,#截图识别,#编程实战,#易语言源码,#图像识别

【实战】用易语言 + OCR API 打造自动文字识别工具（通用文字识别/截图识别，附完整源码）

导语 ：易语言作为中文编程的经典利器，非常适合快速开发Windows桌面小工具。本文带你从零实现一个截图文字识别工具：按下快捷键框选区域，自动识别图中文字并保存到剪辑板。全程调用通用文字识别API，无需自研OCR模型，10分钟完成开发。

---

一、本文最终效果

运行程序后：

1. 按 F2 键，鼠标拖拽框选屏幕任意区域

2. 程序自动截图并调用OCR API识别文字

3. 识别结果自动复制到系统剪辑板，并弹出提示

适用场景：

• 无法复制文字的网页、PDF、图片

• 游戏窗口内的文字提取

• 软件界面上的报错信息快速抓取

💡 如果你只是偶尔用一下，可以先去 "石榴智能的在线文字识别工具 " 免费体验效果；如果需要集成到自己的软件或系统中，推荐使用 "石榴智能通用文字识别API"，本文使用的正是这套API。

---

二、准备工作

2.1 软件环境

• 易语言 5.9 及以上版本（建议使用静态编译版）

• 支持库：扩展功能支持库一（内含"快照"命令用于截图）、数据操作支持库一（Base64编码）

2.2 API接口信息

本文使用【石榴智能】通用文字识别API（示例）：

项目	内容
请求地址	https://api.shiliuai.com/ocr/general/v1
请求方式	POST（JSON格式）
参数	image_base64：图片Base64字符串
返回格式	JSON，data.text 为识别出的文字
鉴权方式	Authorization: APPCODE 你的AppCode

📌 请先前往 石榴智能API市场 注册并获取免费测试AppCode（支持免费在线体验，API文档清晰，提供多种接入语言示例（如python、js、C#、java、php等），以及自动化脚本语言（如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）。

2.3 需要用到的易语言知识点

• 窗口及热键注册（监视热键）

• 鼠标操作（取鼠标位置、鼠标拖动）

• 屏幕截图（快照）

• Base64编码（编码_BASE64编码）

• HTTP请求（HTTP读文件 或 使用 WinHttp.WinHttpRequest 对象）

• JSON解析（JSON解析 或 正则匹配）

---

三、完整代码实现（逐模块讲解）

3.1 创建程序界面

新建易语言Windows窗口程序，添加以下组件：

组件	名称	说明
标签	标签_状态	显示"就绪"、"识别中..."等状态
编辑框	编辑框_结果	多行显示识别结果，允许手动修改
按钮	按钮_复制	一键复制结果到剪辑板
时钟	时钟_截图	用于延迟等待用户释放鼠标

界面布局参考：

┌─────────────────────────────────┐
│  自动文字识别工具 v1.0           │
├─────────────────────────────────┤
│  状态：就绪                      │
├─────────────────────────────────┤
│  ┌─────────────────────────────┐│
│  │                             ││
│  │   识别结果将显示在这里       ││
│  │                             ││
│  └─────────────────────────────┘│
│            [复制结果]            │
└─────────────────────────────────┘

3.2 注册全局热键

在窗口创建完毕事件中注册热键 F2：

.版本 2
.子程序 __启动窗口_创建完毕

监视热键 (&_识别热键, #F2键)
标签_状态.标题 = "就绪，按 F2 开始框选识别"

3.3 热键响应：启动框选截图

.版本 2
.子程序 _识别热键

' 记录起始鼠标位置
API_GetCursorPos (鼠标起始位置)
' 设置一个全屏透明窗口用于显示选框（简化版：直接用十字光标提示）
标签_状态.标题 = "请拖拽鼠标框选识别区域，然后松开"
' 启动鼠标坐标监控（可用时钟）
时钟_截图.时钟周期 = 50

实际开发中，更优雅的做法是创建一个全屏透明窗口并绘制矩形选框。限于篇幅，本文提供一个简化但完全可用 的版本：直接用易语言的 快照 命令截取全屏 ，然后在代码中手动裁剪用户选框区域。最终代码中会给出完整实现。

3.4 获取用户选框范围（核心函数）

.版本 2
.子程序 获取鼠标选框, 矩形
.局部变量 起点X, 整数型
.局部变量 起点Y, 整数型
.局部变量 终点X, 整数型
.局部变量 终点Y, 整数型

API_GetCursorPos (起点X, 起点Y)   ' 假设已经定义好API
' 等待用户按住左键拖动并释放
' 实际可用 GetKeyState 循环判断左键状态

为了代码清晰，我们直接提供一个已封装好的模块 ：调用 取屏幕区域截图_选框模式 函数。最终完整源码包中会包含该模块。

3.5 截图并转换为Base64

.版本 2
.子程序 截取区域并转为Base64, 文本型
.参数 左侧, 整数型
.参数 顶边, 整数型
.参数 宽度, 整数型
.参数 高度, 整数型
.局部变量 截图数据, 字节集
.局部变量 Base64结果, 文本型

截图数据 = 快照 (, 左侧, 顶边, 宽度, 高度)
Base64结果 = 编码_BASE64编码 (截图数据)
返回 (Base64结果)

3.6 调用OCR API识别

// ==============================================================================
// 免费在线体验：https://market.shiliuai.com/tools/ocr/general-text
// API文档完整开发文档和代码示例：https://market.shiliuai.com/doc/advanced-general-ocr
// 支持免费在线体验
// API文档清晰，提供多种接入语言示例（如python、js、C#、java、php等），以及自动化脚本语言（如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）
// ==============================================================================

版本 2
.支持库 spec
.支持库 dp1

.子程序 通用OCR_简单认证
.局部变量 局_网址, 文本型
.局部变量 局_提交数据, 文本型
.局部变量 局_提交协议头, 文本型
.局部变量 局_结果, 字节集
.局部变量 局_返回, 文本型
.局部变量 图片数据, 字节集
.局部变量 base64图片, 文本型

图片数据 ＝ 读入文件 ("你的文件路径")
base64图片 ＝ 编码_BASE64编码 (图片数据)
局_提交数据 ＝ "{" ＋ #引号 ＋ "file_base64" ＋ #引号 ＋ ":" ＋ #引号 ＋ base64图片 ＋ #引号 ＋ "}"
局_网址 ＝ "https://ocr-api.shiliuai.com/api/advanced_general_ocr/v1"
局_提交协议头 ＝ "Authorization: APPCODE 你的AppCode" ＋ #换行符 ＋ "Content-Type: application/json"
局_结果 ＝ 网页_访问_对象 (局_网址, 1, 局_提交数据, , , 局_提交协议头, , , , , , , , , , , , , )
局_返回 ＝ 到文本 (编码_编码转换对象 (局_结果, , , ))
返回 (局_返回)

⚠️ 注意：易语言原生不支持JSON解析，上面使用了"文本_取出中间文本"快速提取。生产环境建议使用 JSON 或 精易模块 的JSON类。

3.7 整合流程

.版本 2
.子程序 _识别热键_完整版

.局部变量 选框, 矩形
.局部变量 截图Base64, 文本型
.局部变量 识别文字, 文本型

' 1. 获取用户选框（调用封装好的"取鼠标选框"子程序）
选框 = 取鼠标选框 ()   ' 返回 {左,顶,右,底}
如果真 (选框.右边 = 0 且 选框.底边 = 0)
    标签_状态.标题 = "未选择区域"
    返回
结束如果

' 2. 截图并转Base64
截图Base64 = 截取区域并转为Base64 (选框.左边, 选框.顶边, 选框.右边 - 选框.左边, 选框.底边 - 选框.顶边)
标签_状态.标题 = "正在识别中，请稍候..."

' 3. 调用API
识别文字 = 调用OCR识别 (截图Base64)
如果 (识别文字 ≠ "" 且 识别文字 ≠ "识别失败...")
    编辑框_结果.内容 = 识别文字
    置剪辑板文本 (识别文字)
    标签_状态.标题 = "识别完成，结果已复制到剪辑板"
    信息框 ("识别成功！结果已复制", 0, )
否则
    标签_状态.标题 = "识别失败：" + 识别文字
结束如果

---

四、完整源码获取

由于篇幅限制，文中只展示了核心代码片段。完整的易语言工程源码（包含鼠标选框模块、JSON解析、错误处理） 已打包，可通过以下方式获取：

🔗 源码下载： 关注公众号【石榴智能】或【变色龙科技】即可获得。

源码包含文件：

• 自动文字识别工具.e -- 主程序源码

• 鼠标选框模块.ec -- 易模块（支持框选全屏区域）

• yyJSON.ec -- JSON解析模块

• 使用说明.txt

---

五、运行测试与常见问题

5.1 测试步骤

1. 打开任意包含文字的网页或图片（如新闻网站）

2. 按下 F2，用鼠标拖拽框选文字区域

3. 程序自动弹出识别结果

5.2 常见问题排查

问题	可能原因	解决方法
按下F2无反应	热键被其他软件占用	修改热键为 F3 或其他
识别结果为空	API AppCode错误或未充值	登录控制台检查余额
截图全黑	快照命令在Win10/11下需管理员权限	以管理员身份运行易语言或编译后的exe
提示"未找到WinHttp对象"	系统未安装WinHTTP	改用 彗星HTTP 或 精易模块的网页访问

---

六、扩展功能建议

你可以基于本文代码轻松扩展以下功能：

1. 批量识别文件夹内的图片：遍历目录，循环调用API

2. 识别后自动翻译：对接翻译API，一键翻译识别结果

3. 截图识别 + 朗读：调用系统TTS朗读识别出的文字

4. 定时轮播截图：监控屏幕变化，自动识别特定区域（如股票K线数据）

📖 扩展阅读：如果你想进一步了解OCR在不同场景下的应用，推荐阅读系列文章：

• 《跨境电商OCR：3秒识别多语言商品标签》

• 《2026 最好用的 OCR 文字识别工具推荐（在线 + API + 本地全对比）》

• 《文字识别通用OCR接口调用与功能说明》

---

七、写在最后

本文带你用易语言 + 成熟OCR API，不到100行代码实现了一个实用的桌面截图识别工具。这种"轻客户端 + 云端AI能力"的开发模式，特别适合个人开发者或中小企业快速落地AI功能。