611

.trae/skills/ocr-extract/SKILL.md

@@ -0,0 +1,103 @@
+---
+name: "ocr-extract"
+description: "OCR文字识别工具，使用RapidOCR从图片中提取文字。Invoke when user needs to extract text from images, recognize text in screenshots, or perform OCR on any image files."
+---
+
+# OCR 文字识别工具
+
+使用 RapidOCR (rapidocr-onnxruntime) 对图片进行文字识别，支持中英文混合识别，无需GPU。
+
+## 前提条件
+
+- Python 环境
+- 依赖包：`rapidocr-onnxruntime`, `Pillow`
+- 安装命令：`pip install rapidocr-onnxruntime Pillow`
+
+## 基本用法
+
+### 单张图片OCR
+
+```python
+from rapidocr_onnxruntime import RapidOCR
+
+ocr = RapidOCR()
+result, _ = ocr("image_path.png")
+if result:
+    for line in result:
+        print(line[1])  # line[1] 是识别的文字
+```
+
+### 长图分段识别（推荐）
+
+对于高度超过2000像素的长截图，建议分段识别以提高速度和准确度：
+
+```python
+from rapidocr_onnxruntime import RapidOCR
+from PIL import Image
+import os, time
+
+ocr = RapidOCR()
+
+img_path = r"长图路径.png"
+img = Image.open(img_path)
+height = img.size[1]
+chunk_size = 1200  # 每段1200像素，约1-2秒/段
+
+all_text = []
+for i in range(0, height, chunk_size):
+    bottom = min(i + chunk_size, height)
+    chunk = img.crop((0, i, img.size[0], bottom))
+    tmp_path = os.path.join(os.environ['TEMP'], f'ocr_chunk_{i}.png')
+    chunk.save(tmp_path)
+    result, _ = ocr(tmp_path)
+    if result:
+        for line in result:
+            all_text.append(line[1])
+    if os.path.exists(tmp_path):
+        os.remove(tmp_path)
+
+for t in all_text:
+    print(t)
+```
+
+### 批量图片OCR
+
+```python
+from rapidocr_onnxruntime import RapidOCR
+import os
+
+ocr = RapidOCR()
+img_dir = r"图片目录路径"
+images = sorted([f for f in os.listdir(img_dir) if f.lower().endswith(('.jpeg', '.jpg', '.png'))])
+
+for img_name in images:
+    img_path = os.path.join(img_dir, img_name)
+    result, _ = ocr(img_path)
+    print(f"\n=== {img_name} ===")
+    if result:
+        for line in result:
+            print(line[1])
+```
+
+## 性能参考
+
+| 图片尺寸 | 分段大小 | 耗时 |
+|---------|---------|------|
+| 1731x1200 | 不分段 | ~1.5秒 |
+| 1731x4896 | 1200px/段 | ~6秒 |
+| 1731x20824 | 1200px/段 | ~26秒 |
+
+## 返回结果格式
+
+`result` 是一个列表，每个元素格式为 `[bbox, text, confidence]`：
+- `bbox`: 文字位置坐标 `[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]`
+- `text`: 识别的文字内容
+- `confidence`: 置信度（字符串类型）
+
+## 注意事项
+
+- 临时文件使用 `os.environ['TEMP']` 目录，用后需清理
+- `os.remove()` 前务必用 `os.path.exists()` 检查文件是否存在
+- Windows PowerShell 中避免使用 `&&` 连接命令，改用 `;` 或分行
+- 对于非常长的截图（>10000px），建议 chunk_size 设为 1200-1500
+- 识别中文效果良好，支持中英文混合