首页 › 博客 › VKT SnapOCR 指南 › 从图片里复制文字
EN中文日本語DeutschESFR

如何在 Chrome 中从图片里复制文字(2026)

你对着一张文档照片点右键,期待出现「复制文字」选项,结果只看到「图片另存为」。桌面浏览器从来没有那个菜单项。文字就在屏幕上,但它们是像素,而从 GPU 到你的剪贴板之间,没有任何东西把它们变成文字层。

能用的工作流是这样:右键菜单或工具栏按钮叫出选择器,在页面想要的部分上拖出一个框,在一个小窗口里得到可编辑文字,复制它。识别在本地完成。下面逐步拆解,以及每一步实际做了什么。

为什么浏览器做不到这件事

图片元素就是一张位图。DOM 知道它的宽、高和 alt 文字,却不知道图片画的是什么。在内置查看器里打开的 PDF 通常确实有文字层,但被压平成整页图片的 PDF、Slack 消息里的一张截图、视频的一帧,或者画在 <canvas> 上的文字,都没有任何可供选中的东西。从上面拖过去什么也选不中,因为压根没有可选项。

所以从图片里复制文字是两个独立的活儿:先抓取屏幕上的一块矩形区域,再识别区域内的字符。第一件是扩展能够到的浏览器 API;第二件需要一个 OCR 引擎。这就是为什么它是一个扩展,而不是一个设置项。

两种起步方式

下面任何一种都会在当前标签页上启动区域选择器:

两条路都通向同一个地方,挑离你手最近的那条就行。弹窗会在多次会话之间记住你的语言选择;在那里选定的 Pro 语言会被记住。

画出这个框

覆盖层出现时,页面会冻结滚动——这很重要,因为一次在拖拽过程中滚走的区域,抓到的是错的内容。拖动来定义矩形;框按页面自身的坐标绘制,按下 Esc 就会取消一切并恢复滚动。任意一边小于约 8 像素的拖拽会被当作误点丢弃,而不会送去识别。

关于怎么框这个区域,有两条实操提醒:

那些像素经历了什么

这正是人们担心的部分,所以这里是完整路径:

  1. 可见标签页被抓取成一张 PNG。只有屏幕上的东西——扩展从不读取页面的文件,也不向任何地方发送任何东西。
  2. 矩形按物理像素裁剪,缩放比例直接从截图本身量出来——截图位图宽度 ÷ 视口宽度,高度同理。这个比例同时吸收了 HiDPI 和页面缩放;只靠 devicePixelRatio,在 2× 屏上开 125% 缩放就会算错,所以它只在视口信息缺失时兜底。在 2× HiDPI 屏上,裁剪会保留那些额外像素而不是丢弃,这就是同一个框在 Retina 屏上比在 1080p 屏上读得更好的原因。
  3. 裁剪后的图片进入一个 580×660 大小的弹窗,那个弹窗自己运行 OCR 引擎。

引擎是 WebAssembly,从扩展内部加载,两个内置语言包随它一起打包。凡是打包进来的东西都不需要一次网络往返,这就是清单声明扩展可离线使用、而它能触达的唯一远程地址就是授权端点的原因。裁剪下来的图从不出这台机器。

读取并复制结果

文字落在一个可编辑框里,而不是静态段落——你可以改一个读错的字,而不必重跑一次抓取。它下面有两个按钮:

每次成功的识别还会追加进一个本地历史列表,最新的在最前,所以你一小时前从一张截图里抠出来的那段话还在那里。免费版保留最近 10 条;授权版保留 200 条。

什么时候 OCR 是错的工具

识别是一种补救步骤,不该养成习惯。在伸手用它之前,先确认文字是否已经存在于某个能免费取到的地方:

情形更好的第一步
页面显示的是真正的、可选中的文字选中并复制。精确、即时、免费。
带文字层的 PDF从浏览器的 PDF 查看器里复制,或保存文件。
渲染成图片的扫描 PDF对那一块做 OCR——这就是它的用武之地。
烧进照片或表情包里的文字用 OCR。
正在播放的视频的一帧先暂停,然后右键视频,启动选择器。
画在 canvas 或 WebGL 表面上的文字用 OCR——DOM 里根本没有文字。

准确度跟着输入走。干净、深色、光照均匀、字号够大的文字,结果近乎完美。长串数字——发票号、IBAN、快递单号——这些地方你仍然该对照图片核一遍,因为形近字形正是引擎最容易出错的地方。

值得知道的限制

授权是一次性买断,不是订阅;它同时取消每日上限、把历史扩展到 200 条,并开启 .txt 导出。

一份简短清单

按你实际会用的顺序总结如下:

  1. 文字能选中吗?如果能,选中并复制——别用 OCR。
  2. 如果不能,就把那块区域完全滚进视野,并放大到字形看着舒适为止。
  3. 右键页面 → 那个菜单项(或用工具栏按钮),贴着文字拖出一个紧的框。
  4. 如果文字不是英文也不是简体中文,开始前先在弹窗里选好语言。
  5. 如果有一个字读错了,就在结果窗口里改掉它,然后复制。
  6. 凡带数字的东西,在把它粘贴到要紧的地方之前,先扫一眼图片核对。

FAQ

Chrome 自己能从图片里把文字抠出来吗?

桌面端不行。Chrome 没有任何右键菜单选项,能对页面上任意一张图片跑 OCR。Android 和 Windows 11 上的系统级文字工具作用于你的整个屏幕,而不是你选中的某块网页区域;浏览器里也没有任何东西能把一张 JPEG 变成文字层。

图片会被上传到服务器吗?

不会。识别在扩展窗口里用一个 WebAssembly OCR 引擎完成,两个内置语言包就在扩展内部打包。扩展被允许触达的唯一网络地址就是它自己的授权端点,所以抓取的内容一直留在你机器上。

为什么这个扩展在某些页面打不开?

它只能注入 http、https 和 file 页面。像 chrome://settings、扩展管理页和 Chrome Web Store 这样的浏览器页面对所有扩展都是禁区,所以菜单项和工具栏按钮在那里会悄无声息地什么也不做。

选中文字和识别文字有什么区别?

如果页面已经含有真正的文字,普通选中更快,而且永远精确。OCR 是为那些字母就是像素的情形准备的:一块招牌的照片、渲染成图片的扫描 PDF、视频的一帧、画在 canvas 上的文字。识别是对那些像素的尽力读取,所以长串数字和不常见的字体才是你该反复核对的。

更多指南见 VKT 博客;问题反馈:[email protected]。

继续阅读

不上传图片的 OCR:本地识别是如何工作的(2026)
SnapOCR 免费版对比专业版:授权究竟解锁了什么(2026)
全部 VKT SnapOCR 指南