基于AutoJS的百度OCR文字识别源码详解与实战指南

一、技术背景与核心价值

在移动端自动化场景中，文字识别（OCR）是核心需求之一，例如验证码读取、表单数据提取、屏幕内容解析等。AutoJS作为基于JavaScript的Android自动化工具，结合百度OCR的API服务，可快速实现高效、准确的文字识别功能。相较于传统OCR方案，此方案具备三大优势：

1. 轻量化部署：无需安装额外APP，通过AutoJS脚本直接调用云端API。
2. 高精度识别：百度OCR支持中英文、数字、符号混合识别，准确率超95%。
3. 灵活扩展：可结合AutoJS的图像处理能力（如截图、区域裁剪）优化识别效果。

二、环境准备与依赖配置

1. AutoJS环境要求

• 设备要求：Android 5.0+系统，支持Root或无障碍服务。
• AutoJS版本：推荐使用Auto.js Pro 4.1.1或开源版（如AutoX.js）。
• 网络权限：需开启设备网络访问权限。

2. 百度OCR API开通

1. 登录百度智能云控制台。
2. 创建“文字识别”应用，获取API Key和Secret Key。
3. 启用“通用文字识别”或“高精度版”接口（根据需求选择）。

3. 依赖库安装

在AutoJS脚本中引入HTTP请求库（如okhttp）或直接使用内置http模块：

// 示例：使用AutoJS内置http模块
let http = require('http');

三、核心源码解析与实现步骤

1. 获取百度OCR访问令牌（Access Token）

百度OCR API需通过Access Token验证，有效期30天。获取逻辑如下：

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 response = http.get(url);
    let json = JSON.parse(response.body.string());
    return json.access_token;
}

关键点：

• 替换apiKey和secretKey为实际值。
• 错误处理：需捕获网络异常或API返回错误（如json.error字段）。

2. 调用OCR接口识别文字

通过HTTP POST请求上传图片并获取识别结果：

function recognizeText(accessToken, imageBase64) {
    let url = `https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=${accessToken}`;
    let body = {
        "image": imageBase64,
        "language_type": "CHN_ENG" // 中英文混合
    };
    let response = http.postJson(url, body);
    let result = JSON.parse(response.body.string());
    return result.words_result || []; // 返回识别结果数组
}

参数说明：

• imageBase64：需将设备截图转为Base64格式（见下文）。
• language_type：支持CHN_ENG（中英文）、ENG（纯英文）等。

3. 截图与图像预处理

AutoJS可通过captureScreen()获取屏幕截图，并裁剪目标区域：

// 截图并保存为Base64
function captureAndEncode() {
    let img = captureScreen();
    let path = "/sdcard/temp_ocr.png";
    images.save(img, path, "png");
    let base64 = files.readBytes(path).toString("base64");
    files.remove(path); // 清理临时文件
    return "data:image/png;base64," + base64;
}

优化建议：

• 裁剪非目标区域以减少数据量：

  let targetImg = images.clip(img, x, y, width, height); // 指定区域

4. 完整脚本示例

auto.waitFor();
let apiKey = "your_api_key";
let secretKey = "your_secret_key";
// 主流程
function main() {
    try {
        let token = getAccessToken(apiKey, secretKey);
        let base64Img = captureAndEncode();
        let results = recognizeText(token, base64Img);
        // 输出识别结果
        results.forEach(item => {
            console.log("识别结果:", item.words);
        });
    } catch (e) {
        console.error("发生错误:", e);
    }
}
main();

四、常见问题与解决方案

1. 错误码处理

百度OCR API可能返回以下错误：

• 110：Access Token无效（需重新获取）。
• 111：Token过期（需刷新）。
• 118：图片为空或格式错误（检查Base64编码）。

处理示例：

if (result.error_code) {
    if (result.error_code === 110 || result.error_code === 111) {
        token = getAccessToken(apiKey, secretKey); // 重新获取Token
        return recognizeText(token, imageBase64); // 重试
    }
    throw new Error("OCR错误: " + result.error_msg);
}

2. 性能优化

• 批量识别：单次请求支持多张图片（需使用multi_detect接口）。
• 异步处理：通过setTimeout避免阻塞UI线程。
• 缓存Token：将Token保存至设备存储，减少重复获取。

五、扩展应用场景

1. 验证码识别：结合AutoJS的点击模拟实现自动登录。
2. 数据抓取：从APP内提取商品价格、新闻内容等结构化数据。
3. 无障碍辅助：为视障用户朗读屏幕文字。

六、总结与建议

• 成本考量：百度OCR免费额度为500次/日，超出后按0.003元/次计费，需合理规划调用频率。
• 安全提示：避免在脚本中硬编码API密钥，建议通过加密文件或服务器中转。
• 替代方案：若需离线识别，可集成Tesseract OCR（需训练模型）。

通过本文提供的源码与详细说明，开发者可快速实现基于AutoJS的百度OCR文字识别功能，并根据实际需求调整参数与流程。