# ocr_app

**Repository Path**: vividlipi/ocr_app

## Basic Information

- **Project Name**: ocr_app
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-05
- **Last Updated**: 2026-07-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 互动消息 OCR 抓取工具

监控一个会滚动的互动消息区域（如直播间评论，无 API 可用时），用 OCR 把观众消息抓成文本：
屏幕/窗口区域截图 → 变化检测 → 后台 OCR → 合并去重 → SQLite 落库。

## 特性

- **屏幕区域捕获**（mss，按 DPI 自动换算）。
- **后台线程 OCR**：识别在 QThread 跑，UI 不卡顿。
- **滚动/变化检测**：帧差 + 去抖，聊天滚动时自动触发。
- **去重落库**：有界近期窗口去重 + SQLite 持久化 + 界面表格。
- **选区框**：抓取条拖动、8 向缩放、方向键微调、精确坐标输入、强制置顶。
- **可测试**：核心逻辑无 Qt 依赖，pytest 覆盖单测与端到端。

## 安装

```bash
conda activate rapidocr          # 已含 rapidocr / onnxruntime / numpy / opencv
pip install -e ".[dev]"          # 安装本项目 + PySide6/mss/pywin32/windows-capture/pytest
```

## 运行

```bash
python -m ocr_app                # 或可执行入口 ocr-app
```

## 捕获

拖绿色选区框到聊天区域（区域须在屏幕上可见）即可。

## 选区框操作

- 顶部抓取条拖动定位；边/角 8 向缩放；方向键微调（Shift = 10px）；右键「精确坐标」输入数值。
- 鼠标悬停在边线/角会显示双箭头光标（缩放），在抓取条/框内显示移动光标（整体拖动）。
- 监控中选区框点击穿透（不挡聊天），并周期重断置顶（`HWND_TOPMOST`）避免被其它置顶窗口盖住。

## 去重 / 落库

- 有界近期窗口去重（默认 200）：连续帧同一行不重复；滚走后再次出现会重新入库。
- 可配置：最低置信度、最短行长、去重窗口大小。
- 消息落库 SQLite，并在界面表格展示（时间 / 文本 / 置信度 / 来源）。

## 数据位置

`%LOCALAPPDATA%\ocr_app\` 下：`settings.json`（设置）、`messages.db`（消息库）。

## 测试

```bash
pytest                           # 单测 + 端到端（core 无 Qt；e2e 用 QApplication）
```

## 架构

```
src/ocr_app/
  app.py / __main__.py           入口与 QApplication 引导
  config.py                      AppSettings（持久化 JSON）
  core/                          纯 Python、无 Qt、可单测
    models.py  ocr_engine.py  change_detect.py  result_merger.py  storage.py
    capture/  base.py  screen_capturer.py  window_capturer.py(WGC)  window_list.py  window_geom.py
  workers/monitor.py             MonitorWorker(QThread)：截图→检测→OCR→合并→发新消息
  platform/win32_topmost.py      Win32 置顶
  ui/  region_overlay.py  main_window.py
tests/  unit/  e2e/  fixtures/测试.png
```

## 排错

- **选区框被别的窗口盖住**：监控中每 ~1.5s 用 Win32 重断置顶；若仍被盖，确认没有更强的置顶工具抢焦。
- **控制台打印中文/emoji 报 `UnicodeEncodeError`**：Windows 控制台是 GBK，脚本向 stdout 打印需用 ASCII 或 `sys.stdout.reconfigure(encoding="utf-8")`；GUI 内显示不受影响。
- **选区位置偏移**：多显示器/不同 DPI 下若偏移，程序已按 `devicePixelRatio` 自动换算，确认系统缩放设置一致。

## 已知限制 / 后续

- 去重按文本（全角归一化）；同一文本由不同人发送只入库一次。
- 未做：打包 exe、系统托盘、跨帧行跟踪去重。