- name
- online-ocr
- description
- 在线OCR图片识别技能，使用免费的OCR.space API，无需安装Tesseract
- metadata
- {"clawdbot":{"emoji":"🌐","requires":{"bins":["python"]}}}
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("\
=== 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：
- 访问 https://ocr.space/ocrapi
- 注册账号
- 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
- 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
- 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
- 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
- 图片预处理
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- 使用本地缓存
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