image-ocr

name image-ocr description 图片OCR识别工具，提取图片中的文字内容，支持中英文混合识别、代码截图优化、表格数据提取，让纯文本模型也能理解图片。 Use when: "识别图片文字", "OCR提取", "代码截图识别", "图片转文字", "提取图中文字", "批量OCR", "extract text from image", "recognize code screenshot", "batch OCR", "scan document OCR". Cross-references: long-form-writer, md-to-wechat, infographic-generator. Built by UniqueClub 🌐 https://uniqueclub.ai version 1.0.0 Image OCR Skill 将图片中的文字提取出来，让不支持视觉的模型（如 Qwen-Coder）也能"看懂"图片内容。 When to Use Use this skill when: 需要提取图片中的文字内容 识别代码截图并格式化 将表格图片转换为结构化数据 让纯文本模型处理图片内容 批量处理图片文字提取 OCR识别扫描文档 Do NOT use this skill if: 图片清晰度太低（建议300dpi以上） 需要识别手写体（准确率较低） 图片包含敏感或私人信息 需要实时OCR大量图片 Typical triggers: 「识别图片文字」「OCR提取」「代码截图识别」「图片转文字」「提取图中文字」「批量OCR」 "Extract text from image", "OCR recognition", "Recognize code screenshot", "Image to text", "Batch OCR processing", "Scan document OCR" Workflow 探查 (Probe) : 完整读取需求指定的图片输入，确认图片格式、内容类型（普通文字/代码/表格）、目标输出格式和语言设置。 约束 (Constrain) : 验证图片质量（建议300dpi以上），设定边界：不处理敏感或私人信息、手写体准确率较低需提示。选择合适的OCR引擎，不降级交付物。 证据 (Evidence) : 每个识别结果附带置信度。OCR引擎的选择基于场景需求（PaddleOCR离线免费、百度OCR更准确支持手写、腾讯OCR多语言）。 执行 (Execute) : 调用OCR引擎识别图片，先给影响与结论，再给行动和必要证据。 选择OCR引擎 引擎 特点 适用场景 PaddleOCR 离线、免费、中英支持好 日常使用、代码识别 Baidu OCR API、更准确、支持手写 手写体、高要求场景 Tencent OCR API、多语言 多语言需求 配置引擎 # config.json { "ocr_engine" : "paddle" , "language" : "ch_sim" , "save_temp" : false} 执行OCR from skills.image_ocr.scripts.ocr import recognize result = recognize( "/path/to/image.png" ) print (result.text) 命令行使用 python3 skills/image-ocr/scripts/ocr.py /path/to/image.png python3 skills/image-ocr/scripts/ocr.py /path/to/image.png --format markdown --save Python API from skills.image_ocr.ocr_engine import OCREngine ocr = OCREngine(engine= "paddle" ) result = ocr.recognize( "image.png" ) print (result.text) # 完整文字 print (result.blocks) # 文字块详情 print (result.confidence) # 置信度 后处理 : 代码格式化、表格结构化、语言检测。 验证 (Verify) : 用不同于生成路径的方式回读输出——关键内容人工复核，检查识别准确率，特别是代码符号（ 0 → O ， 1 → l 等常见OCR错误）。 交付 (Deliver) : 返回识别结果（纯文本/Markdown/JSON），清理临时文件。 Core Capabilities 支持多种图片格式（PNG、JPG、WEBP、GIF） 中英文混合识别 代码截图专用优化 表格/结构化数据提取 Code Screenshot Optimization 针对代码截图的特殊处理：自动检测缩进、修复OCR常见符号错误（ 0 → O ， 1 → l ）、识别代码语言（Python、JS、Java等）。 Output Formats Plain Text (default) : 纯文本识别结果。 Markdown : 带格式的识别结果（代码块、表格）。 JSON : 结构化数据（文字块、置信度、位置）。 { "text" : "完整文字" , "blocks" : [ { "text" : "第一块" , "confidence" : 0.98 , "position" : [ x1 , y1 , x2 , y2 ] } ] , "language" : "ch_sim" } Output Plain Text (default): 纯文本识别结果 Markdown : 带格式的识别结果（代码块、表格） JSON : 结构化数据（文字块、置信度、位置） 支持批量处理多张图片 Guardrails Anti-patterns: NEVER 处理低分辨率图片（建议300dpi以上） NEVER 不验证识别结果准确性 NEVER 频繁调用云端API（有费用） NEVER 不处理识别错误的情况 Do NOT 处理包含敏感或私人信息的图片 Limitations 手写体识别准确率较低 复杂排版可能丢失格式 艺术字体识别困难 需要适当的图片预处理 Best Practices 图片质量: 确保300dpi以上分辨率 光线充足: 避免阴影和反光 文字清晰: 确保文字与背景对比度高 结果验证: 关键内容人工复核 Installation pip3 install paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple Configuration 参数 选项 说明 ocr_engine paddle/baidu/tencent OCR引擎选择 language ch_sim/en/ch_tra 语言：简体中文/英文/繁体中文 save_temp true/false 是否保存临时文件 Integration with OpenClaw Auto Image-to-Text (Recommended) : 当用户发送图片时，自动调用OCR提取文字，再将文字传给文本模型处理。 Explicit Call : 用户明确要求识别图片内容时调用。 Troubleshooting PaddleOCR安装失败: 使用 Conda 安装 conda install paddlepaddle -c conda-forge 识别准确率不高: 检查图片清晰度（300dpi以上），尝试不同的 language 配置 支持多语言: PaddleOCR默认支持中英，可扩展日韩等 File Structure skills/image-ocr/ ├── SKILL.md ├── config.json # 配置文件 ├── ocr_engine.py # OCR引擎封装 ├── post_processor.py # 后处理（代码格式化等） └── scripts/ └── ocr.py # CLI入口 Changelog v1.0 (2026-02-11): 初始版本，支持 PaddleOCR 和百度OCR Related Skills long-form-writer — 基于OCR内容写作（内容加工下游） md-to-wechat — 将OCR结果转换为公众号格式（输出转换） infographic-generator — 将OCR提取的数据可视化为信息图（数据可视化） About UniqueClub Part of the UniqueClub toolkit - a collection of skills for AI-powered content creation and automation. 🌐 https://uniqueclub.ai