Xhs Rental Ocr

通过命令行运行 Python 脚本，从本地图片或小红书笔记链接获取图片，可对长图等分裁切，使用 Apple Vision 框架离线 OCR 识别中英文，再用正则提取租金、面积、单价等字段，导出 Excel 或 CSV。仅适用于 macOS，结果建议人工核验。

yangkai258

热度 42.86

最近更新 2026-05-11 17:35:51

分类：效率依赖：代码执行 / 读写文件应用场景：数据处理 / 文件转换 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add xhs-rental-ocr

Metadata

name: xhs-rental-ocr
description: 从小红书笔记图片提取结构化数据（租金/面积/单价等），自动裁切长图 + OCR 识别 + 导出 Excel。使用 Apple Vision 框架进行离线 OCR，支持中文识别。 Use when: 用户需要从小红书/社交媒体图片提取表格数据、价格信息、统计数据等。
license: MIT
metadata: {"version":"1.0.0","category":"data-extraction","platforms":["macOS"],"requires":{"bins":["python3"],"env":[]},"capabilities":["ocr","image-processing","data-export"],"author":{"name":"zhuobao","url":"https://github.com/zhuobao"}}

小红书数据提取 OCR (XHS Rental OCR)

从小红书笔记图片中提取结构化数据（租金/面积/单价等），支持自动裁切长图、OCR 识别、导出 Excel。

🎯 适用场景

从小红书笔记提取租房/房价数据
从社交媒体图片提取表格数据
从长图/信息图提取统计信息
批量 OCR 识别并导出为 Excel/CSV

📦 安装

# OpenClaw / Codex
git clone https://github.com/zhuobao/xhs-rental-ocr.git ~/.agents/skills/xhs-rental-ocr

🚀 快速开始

基础用法

cd ~/.agents/skills/xhs-rental-ocr
python3 scripts/extract_data.py --url "https://www.xiaohongshu.com/explore/xxx" --output data.xlsx

高级用法

# 从本地图片提取
python3 scripts/extract_data.py --images image1.jpg image2.jpg --output data.xlsx

# 裁切长图后识别（9 等分）
python3 scripts/extract_data.py --images long_image.jpg --slice 9 --output data.xlsx

# 导出 CSV 格式
python3 scripts/extract_data.py --images image.jpg --output data.csv

# 指定识别语言（中文 + 英文）
python3 scripts/extract_data.py --images image.jpg --languages "zh-Hans,en-US"

📋 工作流程

1. 下载图片（从 URL 或本地）
   ↓
2. 可选：裁切长图（N 等分）
   ↓
3. Apple Vision OCR 识别
   ↓
4. 正则提取结构化数据
   ↓
5. 导出 Excel/CSV

📁 目录结构

xhs-rental-ocr/
├── SKILL.md              # 技能描述（本文件）
├── scripts/
│   ├── extract_data.py   # 主脚本
│   └── vision_ocr.py     # OCR 模块
├── examples/
│   └── sample_output.xlsx
└── README.md             # 详细文档

🔧 依赖

Python 3.9+
Pillow（图片处理）
pyobjc-framework-Vision（macOS OCR）
pyobjc-framework-Cocoa
openpyxl（Excel 导出）

安装依赖：

pip3 install pillow openpyxl pyobjc-framework-Vision pyobjc-framework-Cocoa

📤 输出格式

Excel 列

列名	说明
序号	记录编号
图片	来源图片
区域	区域名称（如识别到）
板块	小区/板块（如识别到）
户型	户型（如识别到）
面积 (平)	建筑面积
月租金 (元)	月租金
单价 (元/平)	每平米单价
备注	其他信息

支持的数据模式

租房数据：租金、面积、单价
房价数据：总价、单价、面积
通用表格：自动检测数字 + 单位

🎨 示例

示例 1：提取小红书租房数据

python3 scripts/extract_data.py \
  --url "https://www.xiaohongshu.com/explore/69be073b000000002302339e" \
  --output rental_data.xlsx

输出：

824-1295 条租房记录
包含区域、小区、户型、面积、租金、单价

示例 2：裁切长图识别

python3 scripts/extract_data.py \
  --images screenshot.png \
  --slice 9 \
  --output extracted_data.xlsx

说明：将长图裁切成 9 份，分别 OCR 后合并结果。

⚙️ 配置选项

参数	说明	默认值
`--url`	小红书笔记 URL	-
`--images`	本地图片路径（可多个）	-
`--output`	输出文件路径	`output.xlsx`
`--slice`	长图裁切份数	1（不裁切）
`--languages`	OCR 语言	`zh-Hans,en-US`
`--confidence`	最低置信度	0.3
`--format`	输出格式	`xlsx`

🔍 OCR 技术细节

使用 Apple Vision 框架：

离线识别，无需网络
支持 30+ 语言
中文识别准确率高
自动检测文字方向

优化策略：

高分辨率图片优先
长图裁切提高识别率
置信度过滤（默认>0.3）
正则提取结构化数据

📝 注意事项

macOS 专属：依赖 Apple Vision 框架
图片质量：建议使用高清原图
长图处理：超过 2000px 高度的图片建议裁切
数据验证：OCR 结果可能包含异常值，建议手动检查

🤝 贡献

欢迎提交 Issue 和 Pull Request！

GitHub: https://github.com/zhuobao/xhs-rental-ocr

📄 License

MIT License

🙏 致谢

Apple Vision Framework
MiniMax Skills (灵感来源)
OpenClaw Community