Text-Grab：Windows 上的极速文字提取利器

想象一下这样的场景：你在看一个 PDF 文件，里面的图表旁标注着一行小字，但 PDF 里的图片无法选中文字；你在浏览网页视频，画面里闪过一句台词，但播放器不支持截图取词；你拿到一张发票，想把上面的金额整理进 Excel，却只能手动一个数字一个数字敲。

这些「看得见却复制不了」的文字，曾经是 Windows 用户的老大难问题。直到 Text-Grab 出现——它用 Windows 自带的 OCR 引擎，把屏幕上任意位置的文字「截」下来，扔进剪贴板，整个过程不超过两秒。

图1：Text-Grab 启动界面

项目背景与起源

Text-Grab 由独立开发者 Joe Finosi（GitHub @TheJoeFin）开发和维护，是一款开源的 Windows 桌面 OCR 工具。该项目在 GitHub 上已积累超过 4700 颗星，下载量突破数十万次，并被收录进 Microsoft Store，成为 Windows 平台评分最高的效率工具之一。

这个项目的诞生源于一个非常具体的痛点。Joe 同时也是微软官方工具 PowerToys Text Extractor（文字提取器） 的早期贡献者——Text-Grab 的「全屏捕获模式」（Full-Screen Grab）直接成为 PowerToys Text Extractor 的技术原型。换句话说，今天 Windows 11 用户在 PowerToys 里用到的文字提取功能，骨子里刻着 Text-Grab 的基因。

不过 Text-Grab 比 PowerToys 走得更远：它不只是一键截屏取词，而是一套完整的多模式文字工作流，覆盖了从截图识别、局部框选、文本编辑到快捷词库的全链路需求。

图2：全屏捕获模式（Text Extractor 的原型）

一句话理解 Text-Grab

如果说 OCR 是把图片变成文字的「翻译官」，那 Text-Grab 就是给这个翻译官配了一个超级快捷的操作面板——不用打开任何复杂软件，不用联网调用云端 API，只要一个快捷键，屏幕上哪里的文字都能瞬间变成可编辑的文本。

你可以把它理解为：Windows 自带截图功能的「文字增强版」，不仅能截，还能读。

四大核心模式

Text-Grab 提供了四种工作模式，复杂度从「零配置」到「深度定制」逐级递增。

模式一：全屏捕获（Full-Screen Grab）

这是 Text-Grab 最核心的功能，也是它成为 PowerToys Text Extractor 原型的杀手锏。操作方式极为直觉：按下快捷键（默认 Win + Shift + T），屏幕变暗，用户用鼠标框选一片区域，选区内的所有文字立刻被识别并复制到剪贴板。

更巧妙的是第二个用法：单击任意单词，Text-Grab 会自动识别出你鼠标落点所在的单词，直接复制。整个过程无需多步操作，不需要打开任何菜单。

技术细节： Text-Grab 调用的是 Windows 10/11 自带的 Windows.Media.Ocr API，这是一个完全本地运行的 OCR 引擎，不需要联网，也不收集任何用户数据。

模式二：抓取窗口（Grab Frame）

Grab Frame 是一个可以自由拖动位置的半透明浮动窗口，上面只有搜索框和一个「Grab」按钮。你可以把它钉在屏幕上任意位置，然后随时截取窗口内的文字。它的妙处在于：不需要中断当前工作流，始终置顶待命。

模式三：文本编辑窗口（Edit Text Window）

这个模式完全不涉及 OCR，是一个专注于文本处理的「纯文本编辑器」。内置大量实用工具：批量转换大小写、正则表达式提取、去重、去除空行、文件夹内所有图片批量 OCR、堆叠数据转表格、剪贴板监听……解决了 OCR 识别后的「后半段」问题。

模式四：快捷词库（Quick Simple Lookup）

这不是 OCR，而是一个自定义快捷短语库。预先存储常用网址、邮箱、零件编号，按下 Win + Shift + Q 调出词库，输入关键词检索，回车即复制——每天省下大量重复输入。

图3：快捷词库模式

如何安装与使用

安装方式（任选其一）

方式	操作难度	说明
Microsoft Store	⭐ 极简	一键安装，自动更新
GitHub Releases	⭐ 简单	下载 .exe，双击运行
Scoop	⭐ 简单	scoop install text-grab
Chocolatey	⭐ 简单	choco install text-grab

推荐普通用户通过 Microsoft Store 安装，自动更新、不占系统盘。

开发者构建指南

Text-Grab 基于 C# / WPF / .NET 6 开发，构建依赖 Visual Studio 2022（社区版免费）+ Windows 10 SDK。clone 仓库后，用 VS 打开 Text-Grab.sln，设置 Text-Grab-Package 为启动项目，按 F5 即可运行。

快捷键一览

功能	默认快捷键
全屏捕获	Win + Shift + T
快捷词库	Win + Shift + Q
新建 Grab Frame	Win + Shift + G
新建编辑窗口	Win + Shift + E

技术架构解析

技术栈

Text-Grab 是一款典型的 Windows 原生桌面应用：

层次	技术选型
UI 框架	WPF（Windows Presentation Foundation）
样式库	WPF-UI（Fluent Design 风格）
OCR 引擎	Windows.Media.Ocr（系统内置）
二维码识别	ZXing.Net
外部进程调用	CliWrap
MVVM 框架	Community Toolkit MVVM
语言	C# / .NET 6

为什么用 Windows.Media.Ocr？

这是整个项目最关键的技术决策。Windows.Media.Ocr 是 Windows 10/11 内置的 OCR API，支持超过 100 种语言，完全离线运行，响应速度快（通常 < 200ms），且不需要用户额外安装任何依赖。

这与很多需要联网调用云端 API 的竞品形成了鲜明对比——Text-Grab 是一款真正「零门槛」的本地 OCR 工具。

本地 AI 标签的来源

Text-Grab 被打上了 local-ai 标签，原因在于它利用了 Windows 系统级的机器学习模型来完成 OCR 识别。Windows.Media.Ocr 的背后是微软预训练的神经网络模型，专门针对自然场景文字识别优化，但这一切都发生在本地，不需要任何云端 API。

代码结构

仓库采用标准的 WPF 多项目解决方案（.sln），核心目录：Controls/（自定义 UI 控件）、Services/（核心服务）、Models/（数据模型）、Pages/（XAML 页面）。

局限与争议

1. 仅限 Windows

这是 Text-Grab 最明显的局限，无法在 macOS 或 Linux 上运行。作者在 README 中也提到：Mac 用户可以试试 Text Sniper。

2. OCR 准确率不是 100%

Windows.Media.Ocr 对手写体、艺术字体、低分辨率截图的识别效果较差。这是所有本地 OCR 方案的通病，云端 API 在复杂场景下准确率更高，但需要联网并产生费用。

3. 缺少 API 接口

Text-Grab 没有提供 HTTP API 或命令行批处理接口（仅有简单的命令行参数）。对于需要集成到自动化流程的用户来说，限制较大。

4. 开发者社区规模有限

项目由个人维护，虽然响应较为活跃，但缺少企业级的支持保障。

行业意义与未来展望

从独立工具到系统级功能

Text-Grab 最有代表性的成就是：它的核心功能被微软采纳，直接进入了 Windows PowerToys。这说明独立开发者的小工具完全可以影响操作系统级别的产品设计。

随着 AI 和 LLM 的爆发，OCR 作为「把现实世界信息注入数字世界」的入口，需求急剧增长。Text-Grab 的轻量化路线（完全本地、无需联网），在隐私敏感的企业场景中特别有吸引力。

可能的演进方向

基于当前代码结构和社区讨论，未来 Text-Grab 可能的方向包括：

• 开放 API 模式：允许其他应用通过 COM 或 HTTP 接口调用 Text-Grab 的 OCR 能力
• 多语言增强：OCR 语言包按需自动下载
• 表格识别：支持原生表格 OCR 输出

---

总结： Text-Grab 是一款把「截屏取词」这件事做到极致的工具。它用最少的配置、最直觉的操作，解决了 Windows 用户多年来最头疼的问题。如果你经常需要从图片、视频、PDF 中提取文字，Text-Grab 是目前 Windows 平台上体验最好、最值得推荐的免费解决方案之一。