平时开发工具类应用时，我经常遇到一个看似简单、实现起来却挺有价值的需求：用户拍一张纸质资料的照片，应用就能把上面的文字提取出来。

以前我会考虑让用户手动输入，或者通过其他方式处理图片。但在学习 HarmonyOS 7 的 AI 开放能力后，我发现可以利用 Core Vision Kit 提供的通用文字识别能力，把图片中的文字提取流程整合进自己的应用。

我想做一个简单的 OCR 小工具，先不追求复杂的文档理解，只解决“拍照之后，怎样快速拿到文字”这个问题。

先把识别结果变成应用可以使用的数据

OCR 返回的内容不一定就是一段可以直接保存的纯文本。对于不同场景，我们可能还需要考虑文字顺序、换行、空格，以及用户是否需要修改识别结果。

我会先设计一个统一的数据模型，让后续页面和业务逻辑不依赖某个具体识别服务的返回格式。

interface OcrResult {
  text: string;
  confidence: number;
}
 
function normalizeOcrText(
  result: OcrResult
): string {
  return result.text
    .replace(/\r\n/g, '\n')
    .trim();
}
 
function isValidOcrResult(
  result: OcrResult
): boolean {
  return result.text.trim().length > 0;
}

这里的 OcrResult 是应用内部定义的结构，并不代表 Core Vision Kit 的原生返回类型。实际接入时，需要根据对应版本的官方 API，将识别结果转换成这个业务模型。

识别完成后，不要急着保存

我觉得 OCR 工具真正影响体验的地方，不只是识别率，还有识别完成后的处理方式。

例如，一张包含标题、段落和页码的资料照片，即使识别出了所有文字，也可能出现段落顺序错误。用户如果直接复制结果，最后得到的内容可能很难阅读。

因此，我会在结果页提供文本编辑框，让用户先检查，再决定复制、保存或者分享。

@Entry
@Component
struct OcrResultPage {
  @State extractedText: string = '';
 
  build() {
    Column({ space: 12 }) {
      Text('识别结果')
        .fontSize(24)
        .fontWeight(FontWeight.Bold)
 
      TextArea({
        text: this.extractedText,
        placeholder: '识别完成后，文字会显示在这里'
      })
        .height(260)
        .onChange((value: string) => {
          this.extractedText = value;
        })
 
      Button('清空文本')
        .onClick(() => {
          this.extractedText = '';
        })
    }
    .padding(20)
    .width('100%')
  }
}

这段代码是 ArkUI 结果编辑页的示例，不包含实际 OCR 调用。正式开发时，需要将图片选择、识别任务和结果回填连接起来，并按目标 SDK 校验组件属性和能力接口。

我会重点测试这三种图片

第一种是光线充足、文字清晰的打印资料，用来验证基本流程。

第二种是倾斜拍摄的书页，检查识别结果是否存在明显漏字、错字和顺序问题。

第三种是带有复杂背景的照片，例如桌面上的纸张或者屏幕截图，看看实际结果是否仍然方便用户使用。

还要处理图片为空、识别失败、用户取消操作等异常情况。

如果应用涉及身份证件、合同或者内部资料，还需要考虑图片访问权限、识别结果缓存和数据清理，不能因为使用 OCR 就默认允许任意读取图片。

对我来说，OCR 最有价值的地方，是把图片里的文字变成后续业务可以使用的数据。只要再结合搜索、笔记和资料管理功能，一个简单的文字识别工具就能逐步成长为真正的效率应用。