Python调用微信OCR识别文字和坐标-Toy模板网

这篇具有很好参考价值的文章主要介绍了Python调用微信OCR识别文字和坐标。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

原理

在看雪看到一篇文章：逆向调用QQ截图NT与WeChatOCR-软件逆向。里面说了怎么调用微信和QQ本地的OCR模型，还有很详细的分析过程。

我稍微看了下文章，多的也看不懂。大概流程是使用mmmojo.dll这个dll来与WeChatOCR.exe做通信的，也是用它来启动和关闭WeChatOCR.exe进程的。所以关键只需要知道这个dll里的导出函数怎么使用，就能自己实现调用OCR。并且可以脱离微信，不需要启动微信就能调用。既然这样，那完全可以使用Python加载mmmojo.dll启动WeChatOCR.exe并和它通信进行OCR识别。

代码怎么实现的就不多说的，感兴趣的可以看github的源码。我就说下有意思的一个技巧和一个踩坑的地方

回调指针技巧

OCR识别成功完成后会调用你给定的回调函数，并将结果作为参数传给回调函数。而其中一个回调函数的原型是static void OCRRemoteOnConnect(bool is_connected, void* user_data);。第一个参数是当前连接状态，比较有意思的是第二个参数

第二个参数是你给定的一个指针，它可以通过SetMMMojoEnvironmentCallbacks这个导出函数来设置，然后你就可以在回调函数里访问到这个指针。这个有什么用呢？就以上面github里的C++代码为例，代码里是将它设置为类的this指针，然后在建立连接后调用OCRRemoteOnConnect回调函数时，通过这个this指针改变类变量m_connect_con_var，然后你才能调用DoOCRTask，如果m_connect_con_var变量没有被设置，说明没有连接成功，就一直等待。

搜了一下，在Python里也可以实现这样一个操作，把这个值设置成Python类对象，然后就可以在回调函数访问这个类对象。原理大概像这篇文章：python - Back-casting a ctypes.py_object in a callback - Stack Overflow。先使用ctypes.py_object将对象转化为一个PyObject指针传给c层，然后在回调函数里再通过ctypes.cast(context, py_object).value得到这个对象，在这个项目里的代码如下：

# 将self转为c指针设置成user_data
SetMMMojoEnvironmentCallbacks(m_mmmojo_env_ptr, 0, py_object(self))
# 在回调函数里使用它
def OCRRemoteOnConnect(is_connected:c_bool, user_data:py_object):
    print(f"OCRRemoteOnConnect 回调函数被调用, 参数, is_connected: {is_connected}")
    if user_data:
        manager_obj:OcrManager = cast(user_data, py_object).value
        manager_obj.SetConnectState(True)

踩坑

调用dll时的参数不能直接用c_wchar_p，需要先赋值给一个变量，不然会被垃圾回收机制给回收了。而且错误很难定位，不会报错，程序直接终止

# 错误代码
SetMMMojoEnvironmentInitParams(m_mmmojo_env_ptr, 2, c_wchar_p(m_exe_path))
# 正确代码
c_m_exe_path = c_wchar_p(m_exe_path)
SetMMMojoEnvironmentInitParams(m_mmmojo_env_ptr, 2, c_m_exe_path)

另外还要注意的它的生命周期，和使用的时间。有些使用比较久的，你还得定义成全局变量或者赋值给self.

如何使用

安装

我已经发布到了pypi上，可以使用pip安装：pip install wechat-ocr

如果使用的是国内源，可能还没有更新，可以使用pip install wechat-ocr -i https://pypi.org/simple来使用官方源安装

使用

import os
import json
import time
from wechat_ocr.ocr_manager import OcrManager, OCR_MAX_TASK_ID


wechat_ocr_dir = "C:\\Users\\Administrator\\AppData\\Roaming\\Tencent\\WeChat\\XPlugin\\Plugins\\WeChatOCR\\7057\\extracted\\WeChatOCR.exe"
wechat_dir = "D:\\GreenSoftware\\WeChat\\3.9.6.32"

def ocr_result_callback(img_path:str, results:dict):
    result_file = os.path.basename(img_path) + ".json"
    print(f"识别成功，img_path: {img_path}, result_file: {result_file}")
    with open(result_file, 'w', encoding='utf-8') as f:
       f.write(json.dumps(results, ensure_ascii=False, indent=2))

def main():
    ocr_manager = OcrManager(wechat_dir)
    # 设置WeChatOcr目录
    ocr_manager.SetExePath(wechat_ocr_dir)
    # 设置微信所在路径
    ocr_manager.SetUsrLibDir(wechat_dir)
    # 设置ocr识别结果的回调函数
    ocr_manager.SetOcrResultCallback(ocr_result_callback)
    # 启动ocr服务
    ocr_manager.StartWeChatOCR()
    # 开始识别图片
    ocr_manager.DoOCRTask(r"T:\Code\WeChat\OCR\Python\img\1.png")
    ocr_manager.DoOCRTask(r"T:\Code\WeChat\OCR\Python\img\2.png")
    ocr_manager.DoOCRTask(r"T:\Code\WeChat\OCR\Python\img\3.png")
    time.sleep(1)
    while ocr_manager.m_task_id.qsize() != OCR_MAX_TASK_ID:
        pass
    # 识别输出结果
    ocr_manager.KillWeChatOCR()
    

if __name__ == "__main__":
    main()

运行结果：