thiagotigaz/ocr-it

解决的问题

OCR 是一款专为 Chrome 和 Firefox 设计的浏览器扩展，用于从被"困在查看器中"的分页文档（如扫描书籍、幻灯片、PDF 等）中提取文本，这些文档通常禁用了文本选择功能。该扩展允许用户将整个多页文档转换为文本文件，以便在 LLM 或其他应用中使用。

工作原理

用户只需在屏幕上定义一次捕获区域。扩展随后会截取该特定区域的屏幕截图，并使用内置的 Tesseract 构建版本进行光学字符识别（OCR），整个过程完全离线运行。

为处理多页文档，扩展可配置为通过存储的屏幕坐标（用于绕过跨域 iframe 和 Shadow DOM）或键盘事件自动翻页。之后，它会自动重复捕获与翻页过程，直到文档结束——当文本不再变化或达到页面上限时即判定文档结束。

适用人群

适用于任何需要从禁止文本复制的网页文档查看器中数字化文本的用户，尤其适合希望将所有处理过程保留在本地以维护隐私的用户。

主要亮点

• 100% 离线 OCR：使用内置的 Tesseract 构建版本；无需 API 密钥或网络请求。
• 自动化运行：可自动连续捕获并翻页，实现整本书籍的数字化。
• 跨框架支持：通过坐标点击方式与跨域 iframe 或 Shadow DOM 中的嵌入式查看器交互。
• 本地导出：支持直接编辑捕获的文本，并将最终结果导出为 .txt 文件。
• 多语言支持：默认包含英语、葡萄牙语和西班牙语，支持引入其他 Tesseract 语言包。