Python实现实时截图OCR识别工具：基于百度AI与keyboard库

青禾

发布时间：2026-10-13 | 6人浏览过

原创

本文详解如何使用Python开发一款实时截图文字识别工具。通过结合keyboard库监听快捷键触发截图，利用PIL保存屏幕图像，并调用百度AI开放平台的通用文字识别接口（高精度版），实现从截图到文本输出的自动化流程。文章包含完整的代码实现、API配置步骤及运行逻辑解析，适用于希望提升办公效率的开发者。

Python实时截图OCR工具简介

简介

大家可能都接触过各类OCR（光学字符识别）软件，它们能够高效地从图片中提取文字，显著提升了工作处理效率。

本文将演示如何开发一款具备实时截图识别功能的小工具。该工具的核心逻辑是：在程序运行过程中，一旦用户执行截图操作，系统即可自动识别截图中包含的文字内容。

开发所需模块与接口配置

所需模块


import keyboard # 用于监控键盘按下，触发事件（pip install keyboard）
import time
from aip import AipOcr # 调用百度接口（pip install baidu-aip）
from PIL import ImageGrab # 用于保存屏幕截图

获取百度应用接口

访问AI开放平台文档中心

官方文档地址：https://ai.baidu.com/ai-doc

重点查看Python语言的SDK文档说明。

登录百度账号后进入控制台，创建名为“文字识别”的应用以获取必要的访问权限。

Python代码实现与运行逻辑

代码实现


#! /usr/bin/env python3
# -*- coding:utf-8 -*-

# Author : MaYi
# Blog  : http://www.cnblogs.com/mayi0312/
# Date  : 2020-03-02
# Name  : test_ocr
# Software : PyCharm
# Note  : 用Python开发截图识别OCR小工具
import keyboard # 用于监控键盘按下，触发事件（pip install keyboard）
import time
from aip import AipOcr # 调用百度接口（pip install baidu-aip）
from PIL import ImageGrab # 用于保存屏幕截图


# 百度识别接口配置信息
APP_ID = '你的App ID'
API_KEY = '你的API Key'
SECRET_KEY = '你的Secret Key'

while True:
 # 1、利用QQ截图到剪贴板
 # 输入键盘的触发事件
 keyboard.wait(hotkey="ctrl+alt+a")
 keyboard.wait(hotkey="enter")
 time.sleep(0.1)

 # 2、保存截图
 image = ImageGrab.grabclipboard()
 image.save("screen.png")

 # 3、利用百度API识别截图中的文字
 client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
 with open("screen.png", 'rb') as f:
  image = f.read()
  # 调用百度API通用文字识别（高精度版），提取图片中的内容
  text = client.basicAccurate(image)
  result = text["words_result"]
  for i in result:
   print(i["words"])
 # 我是分隔线
 print("-" * 50)

运行结果预览：