开发能调用操作系统的 OCR API 的 Node.js 模块

[lmk123]

背景

划词翻译（桌面端）的截图翻译功能需要用到 OCR，我希望能有人开发一个能直接使用操作系统的 OCR 接口的 Node.js 模块。

• Windows OCR API 文档：https://docs.microsoft.com/en-us/uwp/api/windows.media.ocr
• macOS OCR API 文档：https://developer.apple.com/documentation/vision/recognizing_text_in_images
• Linux 似乎没有内置的 OCR API

需求

开发一个能调用操作系统的 OCR 接口的 Node.js 模块。

实现方式

有两种方式可以开发出这个模块。

N-API

用 N-API 的话，你需要用 C/C++ 来调用操作系统的接口，然后使用 N-API 包装成 Node.js 的模块。

单独为各个操作系统开发命令行工具

Node.js 是可以执行命令行的，所以也可以分别给不同的操作系统开发对应的命令行工具，然后我来写 Node.js 调用它。

比如在 macOS 上用 Swift 或 Object-C 开发一个命令行工具，在 Windows 上就开发一个 .exe 文件。

例如 https://github.com/sindresorhus/clipboardy 这个项目，在 Windows 上是用 Node.js 调用了一个 .exe 文件来读写剪切板：https://github.com/sindresorhus/clipboardy/blob/main/lib/windows.js

这个命令行工具需要接收的参数有：

1. 一个图片文件的路径
2. 指定语种
3. 其它可能有用的、OCR API 支持的参数

输出文字就行。

一些示例

这是一个用 Swift 开发的 OCR API 命令行工具：https://github.com/ughe/macocr 但是没有文档，也不知道要怎么用

这是一个 Windows 的 OCR API 命令行工具：https://github.com/zh-h/Windows.Media.Ocr.Cli 但上次维护是 4 年前了，未测试可用性

[SakuOtonashi]

作者或许可以参考这个gosseract，是我之前用golang写的示例。提供一个本地http服务，调用的是C语言的tesseract。可以跨平台运行，Linux没有提供内置OCR的话，用这个默认的。