goldendict在windows系统下一种OCR查词实现的方法

ура

$ A2 w  \; b. q
前几天在玩一个英文的小游戏，苦于我英语不好，许多单词都要查一下才明白意思。正常的查词方法实在影响游戏体验。尽管如有道词典也有ocr功能，但是其使用体验却很糟糕。我前几天看到https://www.pdawiki.com/forum/thread-31879-1-1.html?x=300193帖子中提到的ocr查词方法，一时间就觉得这才是利用ocr查词应该有的样子。可惜帖子中只介绍了mac系统下的方法。为了模仿这种实现方式，我找到了一款开源截图软件greenshot，官网https://getgreenshot.org，github项目地址https://github.com/greenshot。
这个配置外部命令的功能就是最终实现的关键。软件中可以选择截图完成后的动作，该动作可以通过命令行启动一个可执行文件（*.exe *.bat *.com）并把截出来的图片完整路径和文件名作为参数传递进去。
( W' X- c# K8 K6 {实现步骤：
1.先安装tesseract，建议直接在https://github.com/UB-Mannheim/tesseract/wiki下载最新release的版本，否则可能出现一些问题。
2.安装完成后设置环境变量，把tesseract的安装目录加入PATH（可以在cmd下测试是否成功），新建TESSDATA_PREFIX环境变量，值为tessdata所在路径。3.安装greenshot，（安装时可以选择安装它自带的一个ocr插件，不过我没有安装不知道这个插件的效果）
安装完成后运行，在任务栏右下角系统托盘处找到它的图标，点击一次后，在弹出的菜单中选中配置外部命令。4.设置截图后动作。
* v0 t4 ?$ n% g6 i! |' T4 ^
新建一个随意起一个名字，命令填你的可执行文件的路径（我的脚本内容如下，未必是最优方案：）
9 u+ S* X5 [( m; R& S, s# w

1. if "%2"=="h" goto begin
   
2. start mshta vbscript:createobject("wscript.shell").run("%~0 %~1 h",0)(window.close)&&exit
   
3. :begin
   ; E* \6 y" A9 }5 d4 c, U- O
4. tesseract %1 stdout -l eng+rus+fra | clip
   
5. mshta vbscript:CreateObject("Wscript.Shell").SendKeys("^t")(window.close)

复制代码

这个原理就是把截图传给tesseract，再将输出的结果复制到剪贴板中，最后发送goldendict翻译剪切板的全局快捷键（我已经设置为CTRL+T，原因是我没搞懂CTRL+C+C快捷键怎么发送）（感谢gttwork补充，将最后一行的SendKeys("^t")换为SendKeys("^c^c")可发送CTRL+C+C，即默认的goldendict翻译剪切板的全局快捷键）(感谢gttwork补充,^c^c快捷键在最新版的GoldenDict下无效，需改为^{c 2})，所以这个方法也同时适用于满足“有翻译剪切板的全局快捷键”的其他词典软件。要注意的另外一点是这里我选择的语言是eng+rus+fra(英俄法)，这里需要根据自己的情况做一个改变。
我这个方案其实有很多不完善的地方，其中之一就是进行识别时会快速闪过cmd的窗口，这里我已经做了应对，减少了窗口停留的时间，但是还是没好的办法完全去除。这里也希望有好想法的朋友提提意见。
9 `" r7 b- Q$ _( ]（新人发帖，有不周到的地方还请多多包涵呀）最终实现效果

# V: m& l& G$ o( ]5 R3 w4 Q' N  (动图居然因为太大发不上来)
3 V! g& ~4 S' R! T! E9 Remmm其实识别还是挺慢的哈。。
  _  z' h" |- P6 D. j

elisir

2 x0 V1 L, q, D* D) K8 C很好的思路实现，小白验证过了，确实可行。

补充几点像我这样的小白可能犯的错：
+ E3 g; {+ ~, Y" P1、先建oct.bat文件再到greenshot中配置命令，否则那里是红色的。
2、代码复制后得核对一遍，因为论坛设置了防盗功能加了乱码，注意前后是否与看到的代码一样。
3、设置环境变量：自己第一次粗心，把数据变量设置成了工作路径。可以在cmd下用命令检验是否正确设置：tesseract 1.png stdout -l eng
注意测试用的1.png需要先用greenshot截图且保存在当前目录
4、ocr使用的识别在安装过程中就可以选择，如果是像我一样的小白识别汉字和英语，安装完后在tessdata下查看可使用支持语言的代码，与文件名相同，如果是识别汉字和英语，则前面的代码需要将eng+rus+fra修改为eng+chi_sim+chi_tra
9 i3 e! e0 ?7 E1 X' w* o5、注意得将greenshot设置捕捉区域的快捷键为自己顺手的，还要将goldendict中的翻译剪贴板中单词的热键设置为Ctrl+T（在那里点中后按键然后确定）。
6、greenshot的设置中将destination去掉默认的手动选择改为自己的OCR命令，这样就不用每次选择了。
+ R- E$ \  u; B* a

gttwork

^c^c快捷键在最新版的GoldenDict下无效，需改为^{c 2}

gttwork

* N+ U  N. o' o

ура 发表于 2019-3-16 10:36
+ i  B# r& E- r1 ^要把前面的目录根据自己的实际安装情况改一下。我前面的有些流程写的不清楚，出现问题可以随时问我呀（ ...

感谢告知，终于成功了！原来不是环境变量的问题，是文本编辑器默认编码UTF 8导致的，另外我找到了发送^cc的方法了，^c^c。最近论坛不稳定，经常无法访问。
6 F" T. P7 @0 y- d

elisir

楼主辛苦，谢谢分享

zhu1234

还有这种操作。厉害。。。

VimVim

赞赞赞! 终于有了进一步研究使用tesseract的动力

ура

elisir 发表于 2019-3-6 05:46
, r4 [5 u% I: q3 }8 v, M7 r( P很好的思路实现，小白验证过了，确实可行。
& `: D- J6 K9 w: Z- m
( V% w/ q4 j/ {: s5 R补充几点像我这样的小白可能犯的错：

2 ~/ ?7 @2 l. {( p对对对，你说的对，确实我忘记提了这几个部分，太谢谢你了

redj0705

天啊！楼主您简直是神人！
. {$ W" L3 v8 S/ w2 @多谢您的用心！

gttwork

我在环境变量这个环节遇到问题，能否上传一个设置环境变量的截图？

ура

gttwork 发表于 2019-3-16 08:54
; O. }2 h2 v& R. n4 V6 R我在环境变量这个环节遇到问题，能否上传一个设置环境变量的截图？

" j. a4 e3 r% L: e. q% y
; L8 Y3 r6 z5 Z% ?* u要把前面的目录根据自己的实际安装情况改一下。我前面的有些流程写的不清楚，出现问题可以随时问我呀（也可能我就不能完全搞定，那就emmm）
# y: u% X7 [9 g, ?6 e) v话说我早些就看到你的回复了，但是我出来截图这回功夫再回来就打不开论坛的页面了，到现在才能恢复访问。是我的问题还是论坛的问题？

qinglian1993

赞赞赞，利害 利害，

我爱深蓝

感谢分享方法

我爱深蓝

已经成功运行了，感谢分享，只是会出现弹窗还是不爽快，我看能不能结合autohotkey使用，优化一下流程

果然君2

推荐quicker软件

bauhinia

有没有不弹窗口的方法呢。。。。

ledliuyh

都是高手！

laimeng

试了几次没有任何效果，不知问题出在哪

ccz

; _! q7 h8 l4 i+ T
! Z7 `3 m9 z- @5 h作为小白，费了九牛二虎之力加点运气终于搞定了。哎！给看不太明白楼主的小白提示下。
1.楼主的第2步“2.安装完成后设置环境变量，把tesseract的安装目录加入PATH（可以在cmd下测试是否成功），新建TESSDATA_PREFIX环境变量，值为tessdata所在路径。”  
; A  `) {' _: J8 i不明白的小白，请百度“tesseract安装与应用”等，把tesseract软件调试搞定了再下一步。
4 n' ^5 h- L0 y: t- {: R# T2.楼主最后一张的截图，设置“抓图后的动作”除了勾选OCR，还应该勾选“复制到剪贴板”，我作为小白就栽在这里。

ccz

1 Q" j( C3 x* H( a$ Y; s0 W5 Ktesseract软件最好截一张图，按教程做个OCR测试，看看是否安装配置成功再下一步。
3 E  _' U8 Z% Y百度搜索教程安装及应用测试吧。
+ U" V/ r6 V# r6 ?" l# n4 @