Screen OCR

让 AI 看见你的屏幕。 Screen OCR 是一个纯本地的屏幕文字识别工具，利用 Windows 内置的 OCR 引擎 (Windows.Media.Ocr)，无需网络、无需 API Key、无需安装第三方依赖。

---

✨ 特性

• 纯本地运行 — 零网络请求，所有数据留在本机
• 零依赖 — 只需 Windows 10+ 系统自带 OCR 语言包，不需要 Python、Node.js 或任何第三方库
• 全屏/区域扫描 — --region x,y,w,h 指定区域，只扫你需要的那块屏幕
• 多种输出格式 — 详细坐标、纯文本(--compact)、结构化 JSON(--json)
• 连续监控 — --every N 每 N 毫秒自动扫描一次，追踪屏幕变化
• 多语言 — --lang en-US 切换英文识别
• MCP Server — 内置 Model Context Protocol 支持，可直接注册为 Codex Desktop 工具

---

🚀 快速开始

从源码运行

# 全屏 OCR（详细坐标+文字）
dotnet run --project src/core.csproj

# 纯文本模式（简洁输出）
dotnet run --project src/core.csproj -- --compact

# 扫描屏幕左上角 400x300 区域
dotnet run --project src/core.csproj -- --region 0,0,400,300 --compact

# 每 5 秒扫描一次（监控模式）
dotnet run --project src/core.csproj -- --every 5000 --compact

# 输出为 JSON（供程序解析）
dotnet run --project src/core.csproj -- --json

使用编译好的可执行文件

.\output\ScreenOcr.exe --compact
.\output\ScreenOcr.exe --region 200,100,600,400

MCP Server 模式

.\output\ScreenOcrMcp.exe
# stdin/stdout JSON-RPC 协议通信

---

🔌 注册为 Codex Desktop 插件

在 ~/.codex/config.toml 中添加：

[mcp_servers."screen-ocr"]
command = "D:\\path\\to\\ScreenOcrMcp.exe"
args = []

重启 Codex Desktop 后即可在对话中直接调用 screen_ocr 工具。

---

📋 参数说明

参数	说明	示例
--region x,y,w,h	指定扫描区域	--region 100,200,400,300
--lang zh-CN/en-US	识别语言选择	--lang en-US
--compact	纯文本输出(无坐标)	--compact
--json	JSON 结构化输出	--json
--every N	连续监控间隔(毫秒)	--every 5000

---

🏗 架构

ScreenOcr.exe
├── ScreenshotCapture   全屏/区域截图
├── OcrEngineWrapper    WinRT OCR 引擎封装
├── OcrResultFormatter  三种输出格式
└── OcrProcessor        调度器(截图→OCR→格式化)

ScreenOcrMcp.exe (MCP Server)
└── stdin/stdout JSON-RPC 供 AI agent 调用

---

📄 License

MIT