#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 #批量识别 #编程实战 #易语言源码 #RPA自动化
易语言OCR文字识别实战：从零打造一款自动识别工具（附完整源码）
导语：易语言作为国产可视化编程语言，凭借中文语法的低门槛特性，在Windows桌面工具开发、自动化脚本和RPA机器人领域持续拥有广泛的用户基础。本文带你从零开始，用易语言完整实现一个自动文字识别工具------无需自研OCR模型，仅需调用云端OCR API即可完成图片文字提取。文章涵盖通用文字识别、截图识别两种实战场景，提供可直接运行的完整源码，并演示如何扩展到批量处理多个文件夹的图片。不论你是易语言初学者还是老用户，都能在10分钟内完成开发。
一、本文最终效果
运行程序后，主要功能如下 ：
按 F2 键，鼠标拖拽框选屏幕任意区域，程序自动截图并调用OCR API识别文字
识别结果自动复制到系统剪辑板，并弹出提示
支持批量识别整个文件夹中的图片，一次性提取所有文字
**适用场景包括：**无法复制文字的网页截图文字提取、PDF文档内容抓取、游戏窗口内的文字获取、软件界面报错信息快速抓取、批量处理大量图片中的文字信息等。
如果你只是偶尔用一下，可以先去"石榴智能文字识别在线工具"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。注册后赠送免费测试额度，可以先验证效果再决定是否付费接入。
二、为什么选择OCR API而非本地OCR方案？
在易语言开发中，实现OCR主要有三种方式：
第一种是本地Tesseract方案，优点是免费可离线，但中文字库依赖问题突出，识别率较低，环境配置也比较复杂。
第二种是大漠插件找字方案，优点是识别速度快，但需要预先做字库，通用性较差。
第三种是OCR API方案，优点是易接入、识别率达99%以上、支持多种卡证票据、毫秒级响应，缺点是需要联网且API需要付费。
对于大多数易语言开发者和项目场景，OCR API是性价比最高、落地最快的方案。更重要的是，API天然支持批量处理和自动化，只需在代码外层套一个循环即可实现多文件识别。
还不确定选哪种方案的读者，建议先阅读同系列之前的文章------《在线OCR识别 vs OCR API接口：从个人工具到系统集成该怎么选？》其中详细对比了两种方案的适用场景。
三、准备工作
3.1 注册获取API凭证
以石榴智能OCR通用文字识别接口为例：
访问石榴智能API市场注册账号---在后台获取AppCode（API调用凭证）
首次注册通常赠送免费测试额度，可以先验证效果再决定是否付费接入
API文档清晰，提供多种接入语言示例（如Python、Java、PHP、C#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）
3.2 准备精易模块
易语言中推荐使用精易模块，它提供了网页_访问S和编码_BASE64编码等函数，可以极大简化HTTP请求和Base64编码的工作量。下载模块后在易语言中引入即可使用。
3.3 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（快照命令）
Base64编码（编码_BASE64编码）
HTTP请求（可使用HTTP读文件或WinHttp.WinHttpRequest对象）
JSON解析（可使用精易模块的类_Json进行解析）
四、OCR API接口说明
本文以通用文字识别接口为例，支持中英文混合识别和印刷体：
请求方式：POST
请求头：Authorization: APPCODE 您的AppCode；Content-Type: application/json
请求参数：image_base64（图片Base64编码）或 image_url（图片URL）
返回格式：JSON
接口支持批量并发调用，单张图片响应时间通常在毫秒级
如需身份证专用识别接口（自动提取姓名、身份证号等结构化字段），可查阅之前发布的相关文章------《身份证OCR识别接口以及身份证正反面合并加识别OCR接口调用》。
五、完整代码实现
以下是一个完整的易语言OCR识别函数，可直接复制使用。
5.1 通用文字识别API调用函数
// ==============================================================================
// 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)5.2 批量识别文件夹中所有图片
// ==============================================================================
// 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
.子程序 批量识别图片
.参数 文件夹路径, 文本型
.参数 AppCode, 文本型
.局部变量 局_文件列表, 文本型, , "0"
.局部变量 局_计数, 整数型
.局部变量 局_单个结果, 文本型
.局部变量 局_全部结果, 文本型
' 获取文件夹中所有图片文件（支持jpg、png、bmp）
局_文件列表 ＝ 寻找文件 (文件夹路径 ＋ "*.jpg", )
局_文件列表 ＝ 寻找文件 (, )
计次循环首 (取数组成员数 (局_文件列表), 局_计数)
局_单个结果 ＝ 通用OCR识别 (文件夹路径 ＋ "\" ＋ 局_文件列表 [局_计数], AppCode)
局_全部结果 ＝ 局_全部结果 ＋ "文件：" ＋ 局_文件列表 [局_计数] ＋ #换行符 ＋ "识别结果：" ＋ 局_单个结果 ＋ #换行符 ＋ #换行符
计次循环尾 ()
调试输出 ("批量识别完成，共处理 " ＋ 到文本 (取数组成员数 (局_文件列表)) ＋ " 个文件")
返回 (局_全部结果)5.3 截图识别工具完整界面代码
首先，新建易语言Windows窗口程序，添加以下组件：
标签（名称：标签_状态）------显示"就绪"、"识别中..."等状态
编辑框（名称：编辑框_结果）------多行显示识别结果，允许手动修改
按钮（名称：按钮_复制）------一键复制结果到剪辑板
时钟（名称：时钟_截图）------用于延迟等待用户释放鼠标
在窗口创建完毕事件中注册热键F2：
// ==============================================================================
// 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
.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"
热键响应，启动框选截图：
.版本 2
.子程序 _识别热键
.局部变量 鼠标起始位置, 坐标
.局部变量 鼠标结束位置, 坐标
' 记录起始鼠标位置
API_GetCursorPos (鼠标起始位置)
标签_状态.标题 ＝ "请拖动鼠标框选识别区域..."
' 设置时钟延时，等待用户释放鼠标
时钟_截图.时钟周期 ＝ 50
当时钟周期触发时，获取结束位置并执行截图：
.版本 2
.子程序 _时钟_截图_周期事件
.局部变量 鼠标结束位置, 坐标
.局部变量 截图数据, 字节集
' 检查鼠标左键是否按下
如果真 (取按键状态 (#左键) ＝ 0)
时钟_截图.时钟周期 ＝ 0
' 获取鼠标结束位置
API_GetCursorPos (鼠标结束位置)
' 执行屏幕截图
截图数据 ＝ 快照 (, 取绝对值 (鼠标结束位置.x － 鼠标起始位置.x), 取绝对值 (鼠标结束位置.y － 鼠标起始位置.y))
' 保存截图到临时文件
写到文件 ("C:\temp_screenshot.png", 截图数据)
' 调用OCR识别
OCR识别并显示 ("C:\temp_screenshot.png")
如果真结束最后，调用OCR识别并显示结果：
// ==============================================================================
// 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
.子程序 OCR识别并显示
.参数 图片路径, 文本型
标签_状态.标题 ＝ "识别中，请稍候..."
编辑框_结果.内容 ＝ ""
处理事件 ()
局_识别结果 ＝ 通用OCR识别 (图片路径, "你的AppCode")
编辑框_结果.内容 ＝ 局_识别结果
标签_状态.标题 ＝ "识别完成"
' 自动复制到剪辑板
置剪辑板文本 (局_识别结果)
信息框 ("识别完成！结果已复制到剪辑板", 0, "提示")六、常见问题与避坑指南
**第一个常见问题是图片Base64编码失败。**解决方案是需要确保先读入图片文件字节集，再调用编码_BASE64编码，编码后建议去除换行符，否则某些API会拒绝请求。
**第二个问题是HTTP请求返回401错误。**这种情况通常是AppCode填错了，或者忘记加"APPCODE "前缀（注意英文空格），请仔细核对授权格式。
**第三个问题是JSON解析失败。**需要确保返回的数据确实是JSON格式，可以先用调试输出查看返回内容，确认接口是否正常返回了预期结果。
**第四个问题是图片过大导致超时。**大多数OCR API都有图片大小限制，如果识别大图时超时，建议先将图片等比缩小后再发送请求。
**第五个问题是中文乱码。**如果识别结果中出现乱码，可能是编码处理问题，建议使用易语言的编码转换功能将结果转为GBK编码再显示。
七、后续扩展思路
学会了以上基础功能后，你还可以将OCR能力延伸到更丰富的业务场景：
身份证识别 ------如果你的业务需要自动提取姓名、身份证号等结构化字段，可以接入身份证专用OCR接口，它支持正反面自动识别和头像提取，识别准确率高达99.9%以上。相关接口说明可参考之前的文章------《身份证OCR识别接口、身份证正反面合并加识别OCR接口调用》。
发票识别 ------财务场景下自动提取发票上的金额、税号、开票日期等信息。可参考之前的文章------《发票OCR识别：秒级提取，高效财务》。
医疗票据识别 ------医疗数字化、医保结算等场景的专用识别接口。可参考之前的文章------《医疗票据识别OCR API：医院数字化与医保结算的智能引擎》。
营业执照识别------企业信息自动录入场景，一键识别执照上的统一社会信用代码、法人等信息。
多场景系统集成 ------如果你需要在更复杂的业务系统中集成OCR能力，建议阅读之前的文章------《OCR 在线识别加 API 接口实战：从网页验证到系统集成，以及2026 图文识别与图片处理技术选型全攻略》
技术选型------对不同方案还不太确定的读者，可以回顾：
《在线 OCR 识别 vs OCR API 接口：从个人工具到系统集成该怎么选？》
《文字识别OCR 在线工具 vs OCR API 接口平台：普通用户和开发者该怎么选》
这两篇对比文章，帮助你在不同场景下做出最优选择。
八、总结
本文完整演示了如何用易语言调用OCR API实现图片文字识别，包括通用文字识别、截图识别和批量处理三种实用场景。整个实现过程无需自研OCR模型，只需要掌握HTTP请求、Base64编码和JSON解析三个核心技能，就能让你的易语言应用轻松拥有"看图识字"的能力。
核心要点总结如下：
API方式相比本地OCR方案，接入门槛更低、识别效果更好、维护成本几乎为零
精易模块是易语言调用API的得力助手，建议熟练掌握
批量处理只需在单次识别函数外层套一个循环即可实现
截图识别需要掌握热键注册、鼠标操作和屏幕截图三个知识点
易语言和OCR技术的结合，让国产开发工具也能轻松拥抱人工智能。如果你有任何问题，欢迎在评论区留言交流，也欢迎阅读本系列更多文章，持续学习OCR和图片处理相关知识。
说明：本文API示例以石榴智能OCR接口为例。如需体验，可访问石榴智能文字识别在线工具免费测试识别效果，确认满意后再接入API。API完整开发文档和更多代码示例请查阅石榴智能API官方文档。
API文档完整开发文档和代码示例：https://market.shiliuai.com/doc/advanced-general-ocr
#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 #批量识别 #编程实战 #易语言源码 #RPA自动化