code-ocr

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

1. API 调用：使用百度 OCR "高精度含位置版"（accurate）接口
2. 位置解析：利用返回的位置信息（location）计算每个字符的坐标
3. 行重构：根据字符的 top 坐标分组，识别出所有行
4. 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

1. 读取原图：AI 模型直接查看用户提供的代码截图
2. 视觉识别：利用模型的视觉能力识别图片中的代码文本
3. 对比校对：将视觉识别结果与百度 OCR 输出进行对比
4. 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