image-ocr-to-docslisted
Install: claude install-skill Linearl/reasonix_skill_repo
# 图片批量 OCR 转文档（Image OCR to Docs）
把图片目录批量 OCR 成可检索文字（生成同名 .md 或汇总清单），用于攻略截图、聊天记录、票据等图文资料的文字化。流程源自 个人工作目录 的 ocr_all_images.py，并集成了游戏截图（GBA 240x160 小字）的放大预处理经验。
## 适用场景
- 图文攻略里的游戏截图/教学截图 → 文字化，让 grep 可检索
- 网页抓取下来的图片 → 提取文字
- 任何"一堆图片要转文字"的批处理
## 环境依赖
- `paddleocr`（推荐，3.x）+ `paddlepaddle`；备选 `rapidocr-onnxruntime`（旧版 API 返回 `(result, elapse)` 元组，需适配）
- `Pillow`（放大预处理）
## 执行流程
1. **确认目标目录**：列出图片清单（`ls`），确认扩展名和数量，`--dry-run` 预览
2. **写脚本执行**（核心逻辑）：
```python
# -*- coding: utf-8 -*-
import io, sys, os
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8') # Windows 必须，防 GBK 乱码
from PIL import Image, ImageOps, ImageEnhance
from paddleocr import PaddleOCR
IMG_DIR = "图片目录"
ocr = PaddleOCR(lang="ch")
def ocr_one(path):
img = Image.open(path).convert("L")
img = ImageOps.autocontrast(img)
img = img.resize((img.width*4, img.height*4), Image.LANCZOS) # 小字/截图放大 4x
img = ImageEnhance.Contrast(img).enhance(1.3)
tmp = path + "_x4.png"
img.save(tmp)
res = ocr.predict(tmp)
os.remove(tmp)
texts = []
for line in res:
if isinstance(line, dict) and "rec_texts" in line:
for i, t in enumerate(line["rec_texts"]):
conf = line["rec_scores"][i] if i < len(line["rec_scores"]) else 0
if conf >= 0.45:
texts.append(t)
return texts
```
3. **输出两份产物**：
- 每张图生成同名 `.md`（`# 文件名` + `> OCR自动识别` + 代码块包住文本）——逐图同名 md 模式
- 或合并成 `ocr_results.txt`（`===== 文件名 =====` 分���）——适合人工复核
4