影刀RPA实操指南：截图与OCR文字识别实战——从页面截图到数据提取

有些网页数据不是以文本形式存在的。图片里的文字、验证码、截图的表格——这些内容你用"获取元素文本"是取不到的。

影刀RPA内置了截图和OCR（光学字符识别）能力，可以识别图片里的文字，把"看得到但抓不到"的数据提取出来。

什么场景需要OCR

以下几种情况，XPath和文本提取都不好用：

• 网页数据以图片形式展示（部分老系统、图表）
• 需要识别验证码文字
• 截取某个区域的表格图片，转成文本
• 部分防采集的网站，文字渲染在Canvas里
• 桌面应用的界面文字提取（Windows自动化场景）

OCR不是第一选择——能用元素捕获就尽量不用OCR。OCR的识别率不是100%，文字模糊或背景复杂时准确率会下降。

影刀的截图指令

在影刀RPA中，截图相关的指令有两类：

1. 页面截图

"截图"指令可以截取整个网页或指定区域。参数设置：

• 截图范围：整个页面/可视区域/指定元素
• 保存路径：C:\截图\screenshot_{{timestamp}}.png
• 截图格式：PNG（清晰但文件大）/ JPEG（文件小但可能模糊）

{{timestamp}} 是变量占位符，每次截图自动生成不同文件名，不会覆盖。

2. 指定元素截图

选择"对指定元素截图"，先捕获目标元素（比如验证码图片或表格区域），然后截图。这比截整个页面再裁剪高效。

OCR文字识别

截图完成后，拖入"OCR文字识别"指令：

参数说明：

• 识别引擎：内置OCR（免费）/ 百度OCR（需配置API Key）/ 腾讯OCR（需配置API Key）
• 识别语言：中文、英文、中英混合
• 识别区域：完整图片/指定坐标区域

内置OCR vs 第三方OCR：

对比项	内置OCR	百度OCR	腾讯OCR
费用	免费	每日免费额度	每月免费额度
准确率	一般（80%-90%）	高（95%+）	高（95%+）
特殊字体	弱	强	强
配置复杂度	零	需申请API Key	需申请SecretId/Key

日常简单文字识别用内置OCR够了。验证码或图片表格这种对准确率要求高的场景，建议配置百度或腾讯OCR。

实战：识别图片中的表格数据

完整操作流程：

# 步骤1：捕获目标元素（表格图片的区域）
# 在元素捕获模式下选中表格所在的div或img元素

# 步骤2：对指定元素截图
# 指令：对指定元素截图
# 保存路径：C:\temp\table_capture.png

# 步骤3：OCR识别
# 指令：OCR文字识别
# 识别引擎：腾讯OCR（推荐）
# 识别结果存入变量：ocr_result

# 步骤4：解析识别结果
# OCR返回的是纯文本，需要自己用Python解析行列结构

注意：OCR返回的是一段连续文字，不会自动识别行列结构。如果表格有清晰的分隔线，可以用Python按换行符和空格拆分。

实战：验证码识别流程

验证码是登录流程最常见的自动化障碍。识别思路：

# 验证码识别流程
# 1. 截取验证码图片元素
# 2. OCR识别图片文字
# 3. 清理识别结果（去掉空格、标点）
code = ocr_result.strip().replace(' ', '')
# 4. 填入验证码输入框
# 5. 判断是否登录成功
#    成功 → 继续
#    失败 → 刷新验证码，重试（最多3次）

提高识别率的技巧：

• 截图前确保图片足够大（验证码元素太小会降低识别率）
• 截取后先做图片预处理：放大、转灰度、二值化（需要Python的Pillow库）
• 内置OCR识别4位数字验证码准确率约70%，6位混合字符约50%
• 

图片预处理提升识别率

from PIL import Image, ImageEnhance

# 打开截图
img = Image.open(r'C:\temp\captcha.png')

# 放大2倍（文字太小OCR识别不准）
img = img.resize((img.width*2, img.height*2), Image.LANCZOS)

# 转灰度图
img = img.convert('L')

# 提高对比度
enhancer = ImageEnhance.Contrast(img)
img = enhancer.enhance(2.0)

# 保存处理后图片
img.save(r'C:\temp\captcha_processed.png')

预处理后再把captcha_processed.png传给OCR，识别率能提高15%~20%。

常见问题

问题	原因	解决
识别结果乱码	语言设置错误	确认OCR引擎选的是"中文"
识别率低	图片不清晰	截图前放大页面（Ctrl+滚轮），或做图片预处理
返回空字符串	截图为空白区域	检查元素是否正确捕获，用"输出日志"打截图路径确认

| 第三方OCR报错 | API配置问题 | 检查API Key/Secret是否过期，每日额度是否用完 |
| 内置OCR不支持 | 版本太旧 | 升级影刀RPA到最新版 |

---

#影刀RPA #RPA自动化 #OCR #截图识别 #验证码识别

作者：林焱

本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。