或者在当前终端设置：

# Windows (当前终端)
set BAIDU_API_KEY=your_api_key
set BAIDU_SECRET_KEY=your_secret_key

使用方法

基本用法

# 保存 OCR 中间结果（避免重复调用 API）
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" <图片路径> --save-json <json文件路径>

# 从 JSON 加载结果，多次调整 ratio 参数实验
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" <json文件> --load-json <json文件路径> --ratio <值>

# 仅识别图片（不推荐）
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" <图片路径> [输出目录]

参数说明

参数	说明
`图片路径`	可选，截图文件的路径（支持 PNG、JPG、BMP 等格式），或 JSON 文件路径
`输出目录`	可选，默认保存到图片所在目录
`--ratio` / `-r`	可选，平均字符宽度的缩放倍率，用于微调缩进计算。默认 0.955
`--save-json FILE` / `-s FILE`	可选，OCR 成功后保存中间结果到 JSON 文件
`--load-json FILE` / `-l FILE`	可选，从 JSON 文件加载 OCR 结果，跳过 OCR 步骤

使用示例

# 1. 首次运行：OCR 识别并保存中间结果
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" screenshot.png -s screenshot.json

# 2. 后续实验：加载 JSON（使用 -l 参数），多次调整 ratio 参数
# 只需指定 -l JSON文件路径 和 --ratio 值，无需其他参数
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.96
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.955
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.95

# 3. 简写形式
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json -r 0.955

提示：首次 OCR 识别后会生成 JSON 文件，如需调整缩进效果，请使用 -l 参数加载该 JSON 文件重新运行。

输出文件

文件名格式：{原文件名}_{时间戳}_{ratio}.txt
例如：screenshot_20260220_143052_0.955.txt
编码：UTF-8

AI 工具需要给出的提示

重要：当 AI 工具应该主动给出基于 JSON 文件重新运行的命令，例如：

# 使用 -l 参数加载 JSON 文件，调整 ratio 参数
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.96
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.955
python "C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py" -l screenshot.json --ratio 0.95

并向用户解释不同 ratio 值的效果差异，帮助用户选择最佳的缩进参数。

工作原理

API 调用：使用百度 OCR "高精度含位置版"（accurate）接口
位置解析：利用返回的位置信息（location）计算每个字符的坐标
行重构：根据字符的 top 坐标分组，识别出所有行
缩进保持：根据每行第一个字符的 left 坐标计算缩进空格数

交叉验证（模型自校验）

当 OCR 结果输出后，AI 模型应主动使用自身的多模态能力对原图进行"视觉 OCR"，并与百度 OCR 的输出结果进行交叉验证。

验证流程

读取原图：AI 模型直接查看用户提供的代码截图
视觉识别：利用模型的视觉能力识别图片中的代码文本
对比校对：将视觉识别结果与百度 OCR 输出进行对比
修正错误：发现差异时，以视觉识别结果为准进行修正

常见需要校验的内容

校验项	说明	示例
相似字符	`O` vs `0`，`I` vs `l` vs `1`，`S` vs `5`	`list` 被误识别为 `1ist`
符号混淆	`'` vs `''`，`"` vs `""`，`->` vs `→`	`don't` 被误识别为 `don''t`
特殊符号	`@`, `#`, `$`, `%`, `&`, `\|`, `\`, `/`	`@staticmethod` 中的 `@`
缩进对齐	空格与制表符的混合使用	Python 代码的缩进层级
注释符号	`//`, `/`, `/`, `#`, `<!--`	注释起始和结束位置
括号匹配	`()`, `{}`, `[]`, `<>`	嵌套括号的完整性
符号遗漏	代码行末的分号、逗号等	`return x` 被误识别为 `return x;`
中英符号	英文逗号 `,` vs 中文逗号 `，`	`print("Hello, World")` 被误识别为 `print("Hello，World")`

灵活校验：根据代码语言和上下文，判断代码语言，并根据该语言语法规则进行更有针对性的校验。

校对后输出格式

=== 百度 OCR 原始结果 ===
[原始识别文本]

=== 交叉验证修正 ===
- 第 X 行: "原始错误" → "修正后"
- 第 Y 行: "原始错误" → "修正后"

=== 最终修正结果 ===
[校对后的最终文本]

使用建议

对于关键代码（如密钥、配置、正则表达式），必须进行交叉验证
当 OCR 结果中存在明显语法错误时，优先信任模型的视觉识别
若图片模糊或字体特殊，可提示用户提供更清晰的截图

脚本位置

脚本路径：C:\Users\12556\.claude\skills\code-ocr\scripts\code_ocr.py

code-ocr

Code OCR

环境配置