一、技术背景与实现价值

在移动端自动化场景中，文字识别是核心需求之一。百度OCR凭借其高精度与多语言支持，成为开发者首选的API服务。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，但其原生功能不包含OCR能力。本文通过封装百度OCR API，为AutoJS注入文字识别能力，适用于验证码抓取、表单自动填写、文档数字化等场景。

核心优势

1. 非Root环境运行：无需系统权限即可调用云端OCR服务
2. 多语言支持：覆盖中英文、数字、手写体等20+语种
3. 高精度识别：通用场景准确率超95%，特殊场景可通过定制模型优化
4. 轻量化集成：仅需配置API密钥即可使用，无需部署本地模型

二、技术实现步骤

1. 准备工作

1.1 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与Secret Key
3. 记录「通用文字识别」接口的Access Token获取URL：

   POST https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={API_KEY}&client_secret={SECRET_KEY}

1.2 AutoJS环境配置

• 安装AutoJS 4.1.1以上版本
• 开启「无障碍服务」与「悬浮窗权限」
• 在项目目录创建config.js存储密钥：

  module.exports = {
      API_KEY: "your_api_key",
      SECRET_KEY: "your_secret_key",
      OCR_URL: "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic"
  };

2. 核心代码实现

2.1 Access Token获取模块

const config = require('./config');
async function getAccessToken() {
    const url = `https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=${config.API_KEY}&client_secret=${config.SECRET_KEY}`;
    const response = http.get(url);
    if (response.statusCode !== 200) {
        throw new Error(`Token获取失败: ${response.statusMessage}`);
    }
    const data = JSON.parse(response.body.string());
    return data.access_token;
}

2.2 图像预处理模块

function prepareImage(path) {
    // 使用AutoJS的images模块进行基础处理
    let img = images.read(path);
    if (!img) throw new Error("图像加载失败");
    // 示例：裁剪图像中心区域（可根据实际需求调整）
    const width = img.getWidth();
    const height = img.getHeight();
    const cropWidth = Math.min(width, height) * 0.8;
    return images.clip(img, 
        (width - cropWidth) / 2, 
        (height - cropWidth) / 2, 
        cropWidth, 
        cropWidth
    );
}

2.3 OCR请求封装

async function recognizeText(imagePath) {
    const accessToken = await getAccessToken();
    const url = `${config.OCR_URL}?access_token=${accessToken}`;
    // 读取图像为Base64
    const img = prepareImage(imagePath);
    const base64 = images.toBase64(img, "jpg", 80);
    // 构造请求体
    const body = {
        image: base64,
        language_type: "CHN_ENG", // 中英文混合
        detect_direction: true,   // 检测方向
        probability: true         // 返回置信度
    };
    // 发送POST请求
    const response = http.postJson(url, body, {
        headers: {
            "Content-Type": "application/x-www-form-urlencoded"
        }
    });
    if (response.statusCode !== 200) {
        throw new Error(`OCR请求失败: ${response.statusMessage}`);
    }
    const result = JSON.parse(response.body.string());
    if (result.error_code) {
        throw new Error(`OCR错误: ${result.error_msg}`);
    }
    return result.words_result.map(item => ({
        text: item.words,
        confidence: item.probability[0] || 0
    }));
}

3. 完整调用示例

const config = require('./config');
const ocr = require('./ocr_module'); // 上述封装模块
// 主函数
async function main() {
    try {
        // 示例：从截图目录读取图像
        const imagePath = "/sdcard/Pictures/screenshot.jpg";
        const results = await ocr.recognizeText(imagePath);
        // 输出识别结果
        console.log("识别结果:");
        results.forEach((item, index) => {
            console.log(`${index + 1}. ${item.text} (置信度: ${item.confidence.toFixed(2)})`);
        });
        // 示例：自动填写到输入框
        if (results.length > 0) {
            const firstText = results[0].text;
            // 这里添加AutoJS的界面操作代码，如：
            // id("input_field").findOne().setText(firstText);
        }
    } catch (e) {
        console.error("发生错误:", e.message);
    }
}
// 启动脚本
main();

三、性能优化与异常处理

1. 缓存机制

let tokenCache = null;
let tokenExpireTime = 0;
async function getAccessToken() {
    const now = Date.now();
    if (tokenCache && now < tokenExpireTime) {
        return tokenCache;
    }
    // ...原有获取逻辑...
    // 假设返回数据包含expires_in（秒）
    tokenCache = data.access_token;
    tokenExpireTime = now + (data.expires_in - 300) * 1000; // 提前5分钟刷新
    return tokenCache;
}

2. 重试机制

async function recognizeTextWithRetry(imagePath, maxRetries = 3) {
    let lastError;
    for (let i = 0; i < maxRetries; i++) {
        try {
            return await recognizeText(imagePath);
        } catch (e) {
            lastError = e;
            console.warn(`尝试 ${i + 1} 失败: ${e.message}`);
            if (i < maxRetries - 1) {
                await sleep(1000 * (i + 1)); // 指数退避
            }
        }
    }
    throw lastError || new Error("未知错误");
}

四、应用场景扩展

1. 验证码自动识别

// 识别四位数字验证码
async function recognizeCaptcha(imagePath) {
    const results = await recognizeText(imagePath);
    return results
        .map(item => item.text)
        .join("")
        .replace(/[^0-9]/g, "") // 过滤非数字
        .slice(0, 4);           // 取前四位
}

2. 表格数据提取

async function extractTableData(imagePath) {
    const results = await recognizeText(imagePath);
    // 按行分组（需根据实际图像调整）
    const lines = {};
    results.forEach(item => {
        // 简单实现：通过Y坐标分组
        const y = item.location ? item.location[1] : 0;
        const lineKey = Math.floor(y / 50); // 假设行高50像素
        if (!lines[lineKey]) lines[lineKey] = [];
        lines[lineKey].push(item.text);
    });
    return Object.values(lines);
}

五、注意事项

1. 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
2. 图像质量要求：
   • 分辨率建议300dpi以上
   • 文字区域占比不低于30%
   • 避免强光反射或阴影
3. 隐私合规：处理包含个人信息的图像时需遵守GDPR等相关法规
4. AutoJS兼容性：部分设备可能因系统限制无法正常使用，建议使用模拟器测试

通过本文实现的方案，开发者可在AutoJS环境中快速集成百度OCR服务，实现高效的文字识别自动化。实际开发中，可根据具体场景调整预处理逻辑与结果解析规则，进一步提升识别准确率与应用灵活性。