基于AutoJS与百度OCR的文字识别全攻略

一、技术背景与适用场景

在移动端自动化开发中，文字识别是常见的需求场景，如验证码读取、表单自动填充、屏幕内容提取等。AutoJS作为基于JavaScript的Android自动化工具，通过无障碍服务实现界面操作，而百度OCR提供高精度的文字识别API。两者结合可构建轻量级、跨应用的文字识别解决方案，尤其适用于以下场景：

1. 无root设备：AutoJS无需root即可运行，降低技术门槛。
2. 快速集成：通过HTTP请求调用百度OCR，避免本地模型部署的复杂度。
3. 动态内容识别：结合AutoJS的屏幕截图功能，实时捕获并识别界面文字。

二、百度OCR API核心参数解析

百度OCR通用文字识别接口支持多种参数配置，关键参数如下：
| 参数名 | 类型 | 必填 | 说明 |
|———————|————|———|———————————————————————————————————|
| access_token | string | 是 | 通过API Key和Secret Key获取的授权凭证，有效期30天。 |
| image | base64 | 是 | 图片数据的Base64编码，需去除编码头（如data:image/jpeg;base64,）。 |
| recognize_granularity | string | 否 | 识别粒度，可选big（整图）或small（单词级）。 |
| language_type | string | 否 | 语言类型，默认CHN_ENG（中英文混合），支持日、韩、法等20+语言。 |

示例请求体：

{
  "image": "/9j/4AAQSkZJRgABAQ...",
  "recognize_granularity": "small",
  "language_type": "ENG"
}

三、AutoJS源码实现与关键步骤

1. 环境准备

• AutoJS版本：推荐4.1.1以上版本，支持ES6语法。
• 百度OCR配置：在百度智能云控制台创建通用文字识别应用，获取API Key和Secret Key。

2. 核心代码实现

（1）获取Access Token

function getAccessToken(apiKey, secretKey) {
    let url = `https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=${apiKey}&client_secret=${secretKey}`;
    let res = http.get(url);
    return JSON.parse(res.body).access_token;
}

（2）屏幕截图与Base64编码

function captureScreenAsBase64() {
    let img = captureScreen();
    let path = "/sdcard/temp_ocr.png";
    images.save(img, path);
    let base64 = files.readBytes(path).toString("base64");
    files.remove(path); // 清理临时文件
    return base64;
}

（3）调用百度OCR API

async function recognizeText(accessToken, base64Image) {
    let url = `https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=${accessToken}`;
    let body = {
        image: base64Image,
        recognize_granularity: "small"
    };
    let res = http.post(url, body);
    return JSON.parse(res.body).words_result || [];
}

（4）完整流程示例

auto();
let apiKey = "your_api_key";
let secretKey = "your_secret_key";
// 主流程
function main() {
    let token = getAccessToken(apiKey, secretKey);
    let base64 = captureScreenAsBase64();
    let results = recognizeText(token, base64);
    // 输出识别结果
    results.forEach(item => {
        console.log(`文字: ${item.words}, 位置: ${JSON.stringify(item.location)}`);
    });
}
main();

四、性能优化与错误处理

1. 常见问题解决方案

• Access Token失效：缓存Token并监控有效期，提前刷新。
• 图片过大：通过images.resize()压缩截图，建议分辨率不超过2000x2000。
• 网络超时：设置HTTP请求超时时间（如5000ms），重试机制。

2. 高级功能扩展

• 多语言识别：动态设置language_type参数，支持混合语言场景。
• 区域识别：结合AutoJS的findColor()定位目标区域，裁剪截图提高精度。
• 异步处理：使用Promise.all()并行处理多张截图。

五、安全与合规建议

1. 数据隐私：避免在日志中输出敏感文字（如身份证号），识别后立即清理临时文件。
2. API调用限制：百度OCR免费版每日调用上限为500次，超出后需升级套餐。
3. 错误监控：捕获HTTP状态码（如403、429），记录失败请求供后续分析。

六、替代方案对比

方案	优点	缺点
百度OCR+AutoJS	高精度、支持多语言	依赖网络、免费版有调用限制
Tesseract OCR	本地运行、无调用限制	准确率较低、需训练模型
华为ML Kit	集成方便、支持离线	仅限华为设备

七、实际应用案例

案例：自动填写表单

1. 使用AutoJS定位表单输入框。
2. 截图输入框周边区域，调用OCR识别提示文字（如“请输入手机号”）。
3. 根据识别结果动态填充预设值。

代码片段：

let hintText = recognizeRegion(100, 200, 300, 250); // 区域坐标
if (hintText.includes("手机号")) {
    id("input_phone").findOne().setText("13800138000");
}

八、总结与展望

通过AutoJS与百度OCR的结合，开发者可快速实现移动端文字识别功能，兼顾效率与灵活性。未来可探索以下方向：

1. 端侧模型部署：使用TensorFlow Lite降低延迟。
2. 增强现实（AR）文字识别：结合摄像头实时识别。
3. 多模态交互：语音+文字的复合识别场景。

本文提供的源码与方案可直接用于项目开发，建议根据实际需求调整参数（如识别粒度、语言类型），并做好错误处理与性能监控。