📦 Tesseract OCR Image Text Extraction — Tesseract OCR Image Text 提取ion

基于 Tesseract.js（Tesseract OCR 引擎的 WebAssembly 端口）从图像中提取文本内容。

使用场景 使用时机：当用户需要“图像到文本”、“OCR识别”、“从图像中提取文本”、“截图字符识别”、“扫描到文本”或“图像文本方向检测”时。

核心能力 从本地图像或图像 URL 中识别文本 支持 100 多种语言，可同时指定多种语言（例如 ['eng', 'chi_sim']） 支持指定识别区域（--rectangle）、字符白名单（--whitelist） 支持文本方向和脚本检测（--detect） 支持切换页面分割模式（--psm）和 OCR 引擎模式（--oem） 输出格式：文本（默认）、hocr、blocks（JSON）、tsv

限制 不支持 PDF 文件 不修改 Tesseract 识别模型以提高准确率 需要 Node.js 环境（此 Skill 使用 Node.js 脚本）

工作流程

• 确认环境

node -v && npm ls tesseract.js 2>/dev/null || echo "tesseract.js 未安装" 如果未安装：cd /root/.openclaw/workspace/skills/tesseract-ocr && npm init -y > /dev/null 2>&1 && npm install tesseract.js

• 执行识别

基本命令：node scripts/ocr.js [--options] 参数描述： 参数 类型 默认值 描述 是否必需 -- Local 路径或 HTTPS URL --lang string eng 语言代码（多个语言代码用 + 连接，例如 eng+chi_sim） --psm number 页面分割模式（参见下面的 PSM 表） --oem number OCR 引擎模式（参见下面的 OEM 表） --whitelist string 字符白名单（例如 0123456789 只识别数字） --rectangle string 识别区域（格式：top,left,width,height） --output string text 输出格式：文本 / hocr / blocks / tsv --detect flag 检测文本方向和脚本（不执行 OCR） --dpi number 手动指定图像 DPI

常见示例： # 基本混合中文英文识别 node scripts/ocr.js photo.jpg --lang chi_sim+eng # 只识别数字（车牌、验证码等） node scripts/ocr.js captcha.png --whitelist 0123456789 # 列表识别（适合垂直中文文本） node scripts/ocr.js scroll.jpg --lang chi_sim --psm 4 # 指定识别区域 node scripts/ocr.js receipt.png --rectangle 50,100,400,200 # 检测图像文本方向 node scripts/ocr.js rotated.jpg --detect # 输出结构化数据 node scripts/ocr.js doc.png --output blocks # 手动指定 DPI（避免“Invalid resolution 0 dpi”警告） node scripts/ocr.js scan.png --dpi 300

• 批量识别多个图像

为了重用 Worker，AI 应该编写内联脚本： const { createWorker } = require('tesseract.js'); (async () => { const worker = await createWorker('eng'); for (const img of ['a.png', 'b.png', 'c.png']) { const { data: { text } } = await worker.recognize(img); console.log(img, '→', text); } await worker.terminate(); })();

PSM — 页面分割模式 --psm 参数控制 Tesseract 如何分析页面布局： PSM 名称 描述 0 OSD_ONLY 仅方向和脚本检测 1 AUTO_OSD 自动页面分割 + 方向检测 2 AUTO_ONLY 自动页面分割，无方向检测 3 AUTO 完全自动页面分割（默认） 4 SINGLE_COLUMN 单列可变大小文本 5 SINGLE_BLOCK_VERT_TEXT 单块垂直文本 6 SINGLE_BLOCK 单块文本 7 SINGLE_LINE 单行文本 8 SINGLE_WORD 单词 9 CIRCLE_WORD 单词圆形排列 10 SINGLE_CHAR 单字符 11 SPARSE_TEXT 稀疏文本（尽可能找到） 12 SPARSE_TEXT_OSD 稀疏文本 + 方向检测 13 RAW_LINE 原始行（视为单行）

OEM — OCR 引擎模式 OEM 描述 0 Legacy 引擎 1 LSTM 神经网络引擎（默认） 2 Legacy + LSTM 3 默认（根据当前配置自动选择）

语言代码快速参考 语言 语言代码 英语 eng 简体中文 chi_sim 繁体中文 chi_tra 日语 jpn 韩语 kor 法语 fra 德语 deu 西班牙语 spa 俄语 rus 阿拉伯语 ara 印地语 hin 完整列表：tesseract_lang_list.md

高级用法 以下场景需要 AI 编写内联脚本，而不是使用 scripts/ocr.js： 重用 Worker 后切换语言：使用 worker.reinitialize(langs, oem) 设置 Tesseract 参数：使用 worker.setParameters({ tessedit_pageseg_mode: ... }) 检测文本方向（需要 Legacy 引擎）：调用 worker.detect(image) 后 createWorker('eng', 0, { legacyCore: true, legacyLang: true }) 并行处理大量图像：使用 createScheduler() + 多个 Worker 有关完整的 API 参考，请参见 references/api.md。