mhliulgy Code OCR
将代码截图转换为文本文件，使用百度 OCR 高精度含位置版 API，保持原始缩进。
环境配置
在使用前需要配置百度 API 密钥（系统环境变量），默认用户已经配置完成：
# Windows
setx BAIDU_API_KEY "your_api_key"
setx BAIDU_SECRET_KEY "your_secret_key"
或者在当前终端设置：
# Windows (当前终端)
set BAIDU_API_KEY=your_api_key
set BAIDU_SECRET_KEY=your_secret_key
使用方法
基本用法
# 保存 OCR 中间结果（避免重复调用 API）
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" <图片路径> --save-json <json文件路径>
# 从 JSON 加载结果，多次调整 ratio 参数实验
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" <json文件> --load-json <json文件路径> --ratio <值>
# 仅识别图片（不推荐）
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" <图片路径> [输出目录]
参数说明
| 参数 | 说明 |
|---|---|
图片路径 |
可选，截图文件的路径（支持 PNG、JPG、BMP 等格式），或 JSON 文件路径 |
输出目录 |
可选，默认保存到图片所在目录 |
--ratio / -r |
可选，平均字符宽度的缩放倍率，用于微调缩进计算。默认 0.955 |
--save-json FILE / -s FILE |
可选，OCR 成功后保存中间结果到 JSON 文件 |
--load-json FILE / -l FILE |
可选，从 JSON 文件加载 OCR 结果，跳过 OCR 步骤 |
使用示例
# 1. 首次运行：OCR 识别并保存中间结果
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" screenshot.png -s screenshot.json
# 2. 后续实验：加载 JSON（使用 -l 参数），多次调整 ratio 参数
# 只需指定 -l JSON文件路径 和 --ratio 值，无需其他参数
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.96
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.955
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.95
# 3. 简写形式
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json -r 0.955
提示：首次 OCR 识别后会生成 JSON 文件，如需调整缩进效果，请使用
-l参数加载该 JSON 文件重新运行。
输出文件
- 文件名格式：
{原文件名}_{时间戳}_{ratio}.txt - 例如：
screenshot_20260220_143052_0.955.txt - 编码：UTF-8
AI 工具需要给出的提示
重要：当 AI 工具应该主动给出基于 JSON 文件重新运行的命令，例如：
# 使用 -l 参数加载 JSON 文件，调整 ratio 参数
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.96
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.955
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.95
并向用户解释不同 ratio 值的效果差异，帮助用户选择最佳的缩进参数。
工作原理
- API 调用：使用百度 OCR "高精度含位置版"（accurate）接口
- 位置解析：利用返回的位置信息（location）计算每个字符的坐标
- 行重构：根据字符的 top 坐标分组，识别出所有行
- 缩进保持：根据每行第一个字符的 left 坐标计算缩进空格数
交叉验证（模型自校验）
当 OCR 结果输出后，AI 模型应主动使用自身的多模态能力对原图进行"视觉 OCR"，并与百度 OCR 的输出结果进行交叉验证。
验证流程
- 读取原图：AI 模型直接查看用户提供的代码截图
- 视觉识别：利用模型的视觉能力识别图片中的代码文本
- 对比校对：将视觉识别结果与百度 OCR 输出进行对比
- 修正错误：发现差异时，以视觉识别结果为准进行修正
常见需要校验的内容
| 校验项 | 说明 | 示例 |
|---|---|---|
| 相似字符 | O vs 0，I vs l vs 1，S vs 5 |
list 被误识别为 1ist |
| 符号混淆 | ' vs ''，" vs ""，-> vs → |
don't 被误识别为 don''t |
| 特殊符号 | @, #, $, %, &, |, \, / |
@staticmethod 中的 @ |
| 缩进对齐 | 空格与制表符的混合使用 | Python 代码的缩进层级 |
| 注释符号 | //, /*, */, #, <!-- |
注释起始和结束位置 |
| 括号匹配 | (), {}, [], <> |
嵌套括号的完整性 |
| 符号遗漏 | 代码行末的分号、逗号等 | return x 被误识别为 return x; |
| 中英符号 | 英文逗号 , vs 中文逗号 ， |
print("Hello, World") 被误识别为 print("Hello，World") |
灵活校验：根据代码语言和上下文，判断代码语言，并根据该语言语法规则进行更有针对性的校验。
校对后输出格式
=== 百度 OCR 原始结果 ===
[原始识别文本]
=== 交叉验证修正 ===
- 第 X 行: "原始错误" → "修正后"
- 第 Y 行: "原始错误" → "修正后"
=== 最终修正结果 ===
[校对后的最终文本]
使用建议
- 对于关键代码（如密钥、配置、正则表达式），必须进行交叉验证
- 当 OCR 结果中存在明显语法错误时，优先信任模型的视觉识别
- 若图片模糊或字体特殊，可提示用户提供更清晰的截图
脚本位置
脚本路径：C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py