logo

开发者热搜

AutoJS集成百度OCR：高效文字识别源码全解析

作者：4042025.09.18 11:35浏览量：0

简介：本文详细介绍基于AutoJS框架调用百度OCR API实现文字识别的完整方案，包含环境配置、API调用逻辑、源码解析及优化建议，适合Android自动化开发者和OCR应用开发者参考。

基于AutoJS的百度OCR文字识别源码详解

一、技术背景与方案选型

在Android自动化场景中，文字识别是核心需求之一。百度OCR提供高精度的文字识别服务，而AutoJS作为基于JavaScript的Android自动化工具，能够通过HTTP请求与云端API交互。本方案通过AutoJS调用百度OCR通用文字识别接口，实现屏幕截图文字提取功能。

1.1 百度OCR API优势

  • 支持中英文混合识别
  • 提供高精度版（识别率98%+）
  • 返回文字位置坐标信息
  • 免费额度充足（500次/日）

1.2 AutoJS适用场景

  • 无障碍辅助功能开发
  • 游戏自动化脚本
  • 重复性文本录入自动化
  • 数据采集类应用

二、完整实现步骤

2.1 准备工作

  1. 获取百度OCR API Key

    • 登录百度智能云控制台
    • 创建文字识别应用
    • 获取API Key和Secret Key

  2. AutoJS环境配置

    1. // 确保AutoJS版本≥4.1.1
    2. console.show(); // 开启控制台输出
    3. auto.waitFor(); // 获取无障碍权限

2.2 核心代码实现

  1. // 百度OCR配置
  2. const BAIDU_OCR = {
  3.     API_KEY: "your_api_key",
  4.     SECRET_KEY: "your_secret_key",
  5.     ACCESS_TOKEN_URL: "https://aip.baidubce.com/oauth/2.0/token",
  6.     OCR_URL: "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic"
  7. };
  9. // 获取Access Token
  10. async function getAccessToken() {
  11.     const url = BAIDU_OCR.ACCESS_TOKEN_URL + 
  12.         `?grant_type=client_credentials` +
  13.         `&client_id=${BAIDU_OCR.API_KEY}` +
  14.         `&client_secret=${BAIDU_OCR.SECRET_KEY}`;
  16.     const res = http.get(url);
  17.     if (res.statusCode !== 200) {
  18.         throw new Error("获取Token失败: " + res.body.string());
  19.     }
  20.     return JSON.parse(res.body.string()).access_token;
  21. }
  23. // 截图并识别文字
  24. async function recognizeText() {
  25.     // 1. 屏幕截图
  26.     const imgPath = "/sdcard/screenshot.png";
  27.     if (!files.exists(imgPath)) {
  28.         sleep(500); // 等待截图完成
  29.     }
  31.     // 2. 获取Access Token
  32.     const token = await getAccessToken();
  34.     // 3. 构造请求参数
  35.     const params = {
  36.         access_token: token,
  37.         image: files.readBytes(imgPath).toString("base64"),
  38.         language_type: "CHN_ENG"
  39.     };
  41.     // 4. 发送OCR请求
  42.     const ocrUrl = BAIDU_OCR.OCR_URL + "?" + 
  43.         Object.keys(params).map(k => `${k}=${encodeURIComponent(params[k])}`).join("&");
  45.     const res = http.post(ocrUrl, {
  46.         headers: { "Content-Type": "application/x-www-form-urlencoded" }
  47.     });
  49.     if (res.statusCode !== 200) {
  50.         throw new Error("OCR识别失败: " + res.body.string());
  51.     }
  53.     return JSON.parse(res.body.string());
  54. }
  56. // 使用示例
  57. (async function() {
  58.     try {
  59.         // 模拟截图操作（实际可通过devices.captureScreen()）
  60.         files.writeBytes("/sdcard/screenshot.png", http.get("http://example.com/test.png").body.bytes());
  62.         const result = await recognizeText();
  63.         console.log("识别结果:", result.words_result.map(item => item.words).join("\n"));
  64.     } catch (e) {
  65.         console.error("错误:", e);
  66.     }
  67. })();

2.3 关键点解析

  1. Access Token管理

    • Token有效期为30天，建议缓存避免频繁请求
    • 错误处理需包含400（参数错误）、401（认证失败）等状态码

  2. 图片处理优化

    1. // 图片压缩示例（减少传输数据量）
    2. function compressImage(path) {
    3.     const img = images.read(path);
    4.     const compressed = images.resize(img, img.getWidth()/2, img.getHeight()/2);
    5.     images.save(compressed, path, "jpg", 80); // 80%质量
    6. }

  3. 多语言支持

    • 通过language_type参数指定：
      • CHN_ENG：中英文混合
      • ENG：纯英文
      • JAP：日语

三、性能优化建议

3.1 请求频率控制

  1. // 添加请求间隔控制
  2. let lastRequestTime = 0;
  3. async function safeRequest(fn) {
  4.     const now = Date.now();
  5.     if (now - lastRequestTime < 1000) { // 至少1秒间隔
  6.         await sleep(1000 - (now - lastRequestTime));
  7.     }
  8.     lastRequestTime = Date.now();
  9.     return await fn();
  10. }

3.2 错误重试机制

  1. async function retryRequest(fn, maxRetries = 3) {
  2.     let lastError;
  3.     for (let i = 0; i < maxRetries; i++) {
  4.         try {
  5.             return await fn();
  6.         } catch (e) {
  7.             lastError = e;
  8.             await sleep(1000 * (i + 1)); // 指数退避
  9.         }
  10.     }
  11.     throw lastError;
  12. }

四、典型应用场景

4.1 游戏验证码识别

  1. // 游戏登录场景示例
  2. async function handleCaptcha() {
  3.     // 1. 定位验证码区域
  4.     const captchaRect = findCaptchaRegion(); // 自定义区域检测函数
  6.     // 2. 截图并识别
  7.     const img = images.clip(
  8.         captureScreen(), 
  9.         captchaRect.left, 
  10.         captchaRect.top, 
  11.         captchaRect.right, 
  12.         captchaRect.bottom
  13.     );
  14.     images.save(img, "/sdcard/captcha.png");
  16.     // 3. 调用OCR
  17.     const result = await recognizeText();
  18.     const code = result.words_result[0].words.replace(/\s+/g, "");
  20.     // 4. 输入验证码
  21.     input(code);
  22. }

4.2 文档数据提取

  1. // 表格数据提取示例
  2. async function extractTableData() {
  3.     const result = await recognizeText();
  4.     const lines = result.words_result.map(item => item.words);
  6.     // 简单表格解析（实际需更复杂逻辑）
  7.     const headers = lines[0].split(/\s+/);
  8.     const data = lines.slice(1).map(line => {
  9.         const values = line.split(/\s+/);
  10.         return headers.reduce((obj, h, i) => {
  11.             obj[h] = values[i] || "";
  12.             return obj;
  13.         }, {});
  14.     });
  16.     console.log(JSON.stringify(data, null, 2));
  17. }

五、常见问题解决方案

5.1 认证失败处理

  • 检查系统时间是否准确（NTP同步）
  • 确认API Key/Secret Key正确
  • 查看百度云控制台是否欠费

5.2 识别率优化

  • 确保图片清晰（≥300dpi）
  • 避免反光和阴影
  • 对复杂背景使用二值化处理：
    1. function preprocessImage(path) {
    2.     let img = images.read(path);
    3.     // 转换为灰度图
    4.     img = images.grayscale(img);
    5.     // 二值化处理
    6.     img = images.threshold(img, 128); // 阈值可根据实际调整
    7.     images.save(img, path);
    8. }

5.3 性能瓶颈分析

  • 网络延迟：使用4G/WiFi测试对比
  • 图片大小：建议控制在1MB以内
  • 并发控制：避免短时间内大量请求

六、扩展功能建议

  1. 离线识别方案

    • 集成Tesseract OCR作为备用
    • 实现本地缓存机制

  2. 批量处理功能

    1. async function batchProcess(imagePaths) {
    2.     const token = await getAccessToken();
    3.     const results = [];
    5.     for (const path of imagePaths) {
    6.         const imgData = files.readBytes(path).toString("base64");
    7.         const res = await http.post(
    8.             `${BAIDU_OCR.OCR_URL}?access_token=${token}`,
    9.             { image: imgData },
    10.             { headers: { "Content-Type": "application/x-www-form-urlencoded" } }
    11.         );
    12.         results.push(JSON.parse(res.body.string()));
    13.     }
    15.     return results;
    16. }

  3. 结果后处理

    • 正则表达式过滤无效字符
    • 敏感信息脱敏处理
    • 自动纠错（结合词典）

七、安全注意事项

  1. API Key保护

    • 避免硬编码在脚本中
    • 建议使用加密存储
    • 限制IP访问范围

  2. 数据传输安全

    • 优先使用HTTPS
    • 对敏感图片进行加密

  3. 权限控制

    1. // 最小权限原则
    2. if (!requestScreenCapture()) {
    3.     toast("需要截图权限");
    4.     exit();
    5. }

本方案完整实现了AutoJS与百度OCR的集成，通过模块化设计和错误处理机制保证了稳定性。实际开发中，建议根据具体场景调整参数，并建立完善的日志系统以便问题排查。对于高频使用场景，可考虑部署私有OCR服务以降低成本。

相关文章推荐

发表评论

最热文章

关于作者

  • 被阅读数
  • 被赞数
  • 被收藏数