Hamibot OCR 文字识别入门

OCR 是什么

OCR（Optical Character Recognition，光学字符识别）可以把图片里的文字提取出来变成可编辑文本。在 Hamibot 里，这个能力让脚本可以：

• 根据屏幕上显示的文字做判断（比如有没有「确认」按钮）
• 在无法用控件选择器定位的界面上找到目标元素
• 验证某个操作的结果（比如提示「购买成功」）

前置条件

• Hamibot 1.2.2 及以上（OCR 是这个版本新增的）
• 屏幕截图权限（OCR 先得有图片才能识别）

快速示例

// 确保无障碍已启用
auto.waitFor();

// 请求屏幕截图权限
if (!requestScreenCapture()) {
    toastLog('没有授予屏幕截图权限');
    hamibot.exit();
}

// 等待权限生效
sleep(1000);

// 截屏
const img = captureScreen();

// 识别图片中的文字（返回结构化结果）
const res = ocr.recognize(img);
log(res);

// 或者只获取纯文本
const text = ocr.recognizeText(img);
log(text);

hamibot.exit();

ocr.recognize 与 ocr.recognizeText 的区别

配合坐标点击的进阶用法

ocr.recognize() 返回的结果里，每个文字块都有 bounds（矩形边界）。可以取中心点点击：

const img = captureScreen();
const results = ocr.recognize(img);
// 找到包含「确认」的那个文字块
for (const item of results) {
    if (item.text.includes('确认')) {
        const { centerX, centerY } = item.bounds;
        click(centerX, centerY);
        break;
    }
}

性能注意事项

• OCR 比控件选择器慢得多，一次完整识别可能需要数百毫秒到数秒
• 只在必要时截屏 + 识别，避免循环里频繁调用
• 识别准确度跟图片清晰度、字体大小有关

OCR vs 文字控件选择器

如果目标界面有标准安卓控件并且文字可读，优先用 text() / textContains() 选择器，比 OCR 快且准确。OCR 适合以下场景：

• 界面不是标准控件（游戏、Canvas 自绘）
• 需要识别的文字不在控件树里
• 需要判断一段自由文本是否出现