Mac实现截图OCR输出文字功能

1.为什么要这个功能

    工作中会经常遇到需要识别一个图片中的文本内容，需要快速的OCR识别，从而提高工作效率；

2.如何实现

     snipaste + pngpaste + tesseract

1. snipaste 用于截图
2. pngpaste 用于读取剪贴板内容
3. tesseract 用于对输入的图片做OCR识别

3.安装流程与使用

     安装 pngpaste 和 tesseract 需要预先安装brew，国内安装brew可以参考brew官网直接执行/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"需要代理，且不一定一次成功，如果失败的话，需要多执行几次；
安装完brew后，需要更新brew brew udpate --verbose, 如果遇到fatal: Could not resolve HEAD to a revision ， 进入到出问题的目录(笔者是/opt/homebrew/Library/Taps/homebrew/homebrew-core目录)，手动拉取代码

git fetch --prune origin
git pull --rebase origin master

成功之后，还需要设置brew的仓库镜像，可参考清华大学镜像

export HOMEBREW_API_DOMAIN="https://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles/api"
export HOMEBREW_BOTTLE_DOMAIN="https://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles"
export HOMEBREW_BREW_GIT_REMOTE="https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git"
export HOMEBREW_CORE_GIT_REMOTE="https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/homebrew-core.git"
export HOMEBREW_PIP_INDEX_URL="https://pypi.tuna.tsinghua.edu.cn/simple"

之后就可以安装pngpaste 和 tesseract，创建别名alias pocr='pngpaste - | tesseract stdin stdout'，然后就可以进行截图，之后输入pocr解析图片内容了

4.使用效果

     截图：

     识别结果：

5.中文支持

     默认安装的tesseract只支持英文识别，如果需要中文识别的，首先提前下载简体中文的训练数据，我是通过brew install tesseract-lang安装的，可以看到/opt/homebrew/share/tessdata目录多处很多数据文件，不仅仅是中文的。
     添加完中文训练数据后，还需要在ocr识别命令上加上识别指定语言参数，tesseract -l eng+chi_sim，改完后，我们的别名是这样子的alias pocr='pngpaste - | tesseract stdin stdout -l eng+chi_sim'，可以看下效果。

     中文输出有很多空格，可以通过添加参数 -c preserve_interword_spaces=1解决, 最终的命令就是pngpaste - | tesseract stdin stdout -l eng+chi_sim -c preserve_interword_spaces=1。

6.待改进

     识别精度不高，经常出现1识别成I，0识别成O的情况，这个可能需要自己训练调优什么的，有兴趣可以研究下tesseract的GITHUB和官网的使用手册。