Alfred - OCR and Translation

下载地址

Github | Quicker (Windows)

OCR Demo

Translate Demo

版本

5.0.0

• 重构为分层结构：core（基础设施）+ providers（各引擎）+ utils（纯工具），入口统一为 src/main.py；新增引擎只需新增一个 Provider 子类并在 router.py 注册；
• 段落识别重写：由「行距方差二选一」改为多信号加权判定（行距、行尾留白、首行缩进、字号变化、行尾标点、分栏、列表项），阈值全部相对于实测版面度量，同一段落的上下行不再插入回车；
• 中英文空格与标点重写：按字符上下文而非整行判断，URL、邮箱、1,000.50、f(x)、v1.2.3 不再被破坏；跨行的中英文边界也能正确加空格；英文换行不再被粘连（canhandle → can handle），英文连字符断行自动还原；
• 健壮性：所有网络请求增加超时、重试与统一代理；缺少某个密钥不再导致整个脚本崩溃；异常不会以 traceback 形式进入剪贴板；百度 Token 失效可自动刷新；
• 修复腾讯接口在网络异常时的 NameError；
• 新增单元测试与 config/*.yaml 配置支持。

4.9.6

• 使用 ZXing-C++ 进行二维码识别。

4.9.5

• 同步 macOS Alfred 版本；
• 优化代码；
• 修复百度表格识别。

4.9.2

• 支持 CNOCR 基于 FastAPI 的 HTTP 服务模式，您可以使用此方法注册 Windows 服务。

近期更新

• 百度 OCR 更换接口参数，已修复；
• 支持 Mathpix 公式识别；
• 删除腾讯优图接口，新增腾讯云文字识别接口（正式版）;
• 由于可选识别方式过多，CNOCR 的触发方式修改为唯一触发词 ooc (CNOCR)。

能力

• 离线 OCR (CNOCR)
• 通用 OCR (百度 | 腾讯 | Google)
• 二维码识别 (百度 | ZXing)
• 表格文字识别 (百度)
• 数学公式识别 (百度 | Mathpix)
• 多文件识别 (百度)
• 文本翻译 (彩云小译)

使用（必看！！）

1. 这不是一个开箱即用的产品！
2. 您至少要拥有 macOS Alfred 3 及以上版本并激活 Powerpack。
3. 您需要安装 Python 3 及相应的依赖模块，并将 Python 3 路径填写在PYTHON_PATH处。
4. 您需要申请并将对应接口的配置填入环境变量，部分接口附带我自己的 Key，但严禁滥用。
5. 具体配置方法请移步 安装方式。

命令行

统一入口为 src/main.py，服务可用数字（与旧版一致）、名称或 Alfred 关键词指定：

python src/main.py 1 /tmp/shot.png          # 数字选择器，兼容旧版 Action
python src/main.py baidu /tmp/shot.png      # 名称
python src/main.py oob -                    # 关键词，'-' 表示读取剪贴板图片
python src/main.py baidu https://host/a.png # 远程图片
python src/main.py translate "你好"          # 翻译
python src/main.py                          # 查看全部服务

可选参数：--json（输出 Alfred Script Filter JSON）、--copy（同时写入剪贴板）、--debug（把段落判定过程打到 stderr）。

旧入口 src/ocr.py 与 src/translate.py 仍然可用，它们会转发到 main.py，已安装的 Workflow 无需改动。

项目结构

src/
├── main.py            # 唯一入口
├── router.py          # ServiceRouter：数字/名称/关键词 → Provider
├── core/              # 公共基础设施
│   ├── base_provider.py   # BaseProvider 抽象基类 + OcrResult
│   ├── config.py          # 配置（默认值 + 配置文件 + 环境变量）
│   ├── auth_manager.py    # Token 获取、缓存、自动刷新
│   ├── http_client.py     # 超时、重试、代理、异常归一
│   ├── image_loader.py    # 文件 / URL / 剪贴板
│   ├── formatter.py       # 标点、中英文空格、结果渲染
│   ├── layout.py          # 行盒子 → 段落
│   ├── output.py          # stdout / Alfred JSON / 剪贴板 / 通知
│   └── exceptions.py      # 异常体系
├── providers/         # 各引擎实现（baidu / tencent / google / cnocr / mathpix / zxing / caiyun）
└── utils/             # 标点映射表、剪贴板封装

新增一个引擎：继承 BaseProvider，实现 recognize()，然后在 router.py 的 PROVIDER_CLASSES 中登记。

配置

优先级：环境变量 > config/user.yaml > ~/.config/alfred-ocr/config.yaml > config/default.yaml > 内置默认值。 所有可调项及其说明见 config/default.yaml，每一项都能用同名环境变量覆盖（Alfred Workflow 变量即以此方式生效）。

密钥请放在环境变量或 config/credentials.json（已被 git 忽略），不要写进配置文件：

{
  "baidu_api_key": "...",
  "baidu_secret_key": "..."
}

常用调节项：

关于代理

http_proxy 是全局设置，由 core/http_client.py 统一注入，所有引擎（含图片 URL 下载）都会走它，不需要每个 provider 各自处理。

关闭代理有一处需要注意：空的环境变量会被当作「未设置」，因为 Alfred 会把 Workflow 里所有变量都导出，没填的那些不应该覆盖默认值。所以要直连，请在配置文件里写空值：

# config/user.yaml
http_proxy: ""

开发

pip install -r requirements.txt
pip install pytest
python -m pytest tests -q

依赖

通用 OCR

pip install requests

CNOCR (离线 OCR)

pip install cnocr[ort-cpu]
pip install cnocr[serve] # 针对 FastAPI 服务模式

ZXing (离线二维码识别)

pip install zxing-cpp

接口

CNOCR

触发

• 截图至剪贴板后使用关键词 ooc 触发。

说明

• 一切安装方法请依据该项目 README。

Baidu AI (百度)

触发

1. 通用 OCR：快捷键 ctrl+v 触发截图选框，或截图至剪贴板后使用关键词 oob (baidu) 触发；
2. 二维码识别：截图后使用关键词 ooqb (qr baidu) 触发；
3. 表格文字识别：截图后使用关键词 ooe (excel) 触发，识别后可直接复制至 Excel；
4. 多文件识别：finder 中选中需要识别的图片并使用关键词 oof (file) 触发。

说明

1. 具备中英文识别；标点符号按上下文替换为对应语言下的符号，中英文之间自动补空格，URL、小数、f(x) 等不会被误伤；
2. 自动合并段落：属于同一段的上下行直接拼接，不插入回车（判定依据与阈值见「配置」一节）；
3. 二维码识别支持同时识别多个；
4. 自带一个测试 Token，不保证可用性，需要稳定可自行申请；
5. 最大支持单个 4MB 的图片。

自定义语种

目前仅通用 OCR 支持选择语言

语种选择逻辑：

1. ctrl+v 或关键词 oob 触发时，将选择环境变量中的 baidu_language_type 来定义语种。如果该值为空，则定义为默认值 CHN_ENG，即中英文混合识别；
2. 当使用 oob 调出选择菜单，并按住 command 触发时，将使用第二语言识别。

第一语言选择位置：

第二语言选择位置：

- CHN_ENG：中英文混合
- ENG：英文
- JAP：日语
- KOR：韩语
- FRE：法语
- SPA：西班牙语
- POR：葡萄牙语
- GER：德语
- ITA：意大利语
- RUS：俄语

Tencent (腾讯)

触发

• 通用 OCR：截图至剪贴板后使用关键词 oot (tencent) 触发。

说明

1. 自带一个测试 Token，不保证可用性，需要稳定可自行申请；
2. 最大支持 3MB 的图片。

Google OCR

触发

• 通用 OCR：截图至剪贴板后使用关键词 oog (google) 触发。

环境变量

说明

• Google OCR 为收费业务，需绑定信用卡，故本项目不带测试 Token，需要自行申请。

Mathpix

触发

• 公式识别：截图至剪贴板后使用关键词 oom (mathpix) 触发。

说明

• Mathpix 为收费业务，需绑定信用卡，故本项目不带测试 Token，需要自行申请。

ZXing

触发

• 截图至剪贴板后使用关键词 ooq 触发。

说明

1. 一切安装方法请依据该项目 README;
2. 仅支持单个二维码识别。

彩云小译

触发

• 文本翻译：使用关键词 tc (translate caiyun) + 需要翻译的内容 来触发；输出结果可通过 command + c 复制。

说明

2. 支持中译英，及 X 译中(X 为彩云小译已经支持的语言类别)。

TODO

• 截图翻译

项目

1. breezedeus/cnocr
2. dlenski/python-zxing
3. ginfuru/alfred-screen-capture
4. oott123/alfred-clipboard-ocr

用户

感谢以下小伙伴帮助测试：

1. Elvis Cai
2. LucasZhan