效率工具

摘要：前几天做了 Awesome Mac 检索页，这次轮到 Windows 了。基于 GitHub 上的 0PandaDEV/awesome-windows（2.7k star）清单，生成了一个面向开发者的单页检索站：361 款软件、36 个分类，IDE / 终端 / 命令行 / 版本控制等 12 个开发者分类置顶，还有一键「💻 开发者必备」筛选。在线地址：fxio.site/p/awesome-windows.html 和 Mac 版的区别：主题面向开发者 Windows 软件清单里混着大量普通用户工具，而开发者找东西时只关心那一小撮：编辑器、终端、包管理、调试器、容器工具。所以这一版做了两处针对性设计： 开发者分类置顶：IDE 集成开发环境、文本编辑器、终端、命令行工具、版本控制、开发者工具、API 开发、数据库客户端、本地 AI、网络工具、代理与 VPN、虚拟化——这 12 个分类排在筛选栏最前面 「💻 开发者必备」一键筛选：点一下只看开发相关工具，其它分类全部隐藏 其余能力和 Mac 版一致：Fuse.js 模糊全文搜索、关键词高亮、开源/推荐/付费标签过滤、分页、/ 键聚焦搜索框。 数据源说明 原始的 Awesome-Windows/Awesome 仓库已经 404，目前社区维护最活跃的是 0PandaDEV/awesome-windows（2.7k star），条目质量有门槛——维护者明确拒绝凑数工具，清单比较精。 维度 数据 软件总数 361 款 分类数 36 个 开发者分类 12 个（置顶 + 一键筛选） 最大分类 系统工具 32、效率工具 24、安全 17 自动更新 和 Mac 版一样挂了每周定时任务（周一 09:30）：拉取上游最新代码 → 重新解析生成页面 → 上传预览服务器，新增软件一周内自动收录。 ...

摘要：GitHub 上的 jaywcjlove/awesome-mac 是最大的 macOS 软件清单之一，但 1000+ 条目堆在一个 Markdown 里，找东西全靠肉眼滚。我做了一个单页检索版：把整份清单解析成结构化数据，支持即时搜索、分类筛选、标签过滤，收录 1110 款软件、24 个分类，并且每周自动跟随上游更新。在线地址：fxio.site/p/awesome-mac.html 为什么不直接看 GitHub 仓库？ awesome-mac 仓库很好，但它本质上是一份超长 Markdown： 1100+ 款软件按目录顺序排列，找一个「录屏工具」要滚很久 没有搜索框，浏览器 Ctrl+F 只能匹配文字，匹配不到分类语义 无法按「免费 / 开源 / App Store」快速过滤 检索页把 README 解析成 JSON，前端纯静态渲染，解决了这三个问题。 功能一览 功能 说明 🔍 即时搜索 按名称、描述、分类模糊匹配，命中关键词高亮 📂 分类筛选 24 个分类：开发者工具、设计和产品、AI 工具、音视频、阅读写作等 🏷️ 标签过滤 开源 / 免费 / App Store / 原生，一键筛选 📦 GitHub 直达 开源项目卡片直接带 GitHub 链接 🔗 点击即开 点卡片直接打开软件官网 整页是单个 HTML 文件（约 334KB），数据全部内嵌，无后端依赖，离线也能用。 数据规模（2026-08-05） 1110 款软件，24 个分类 前三大类：其它实用工具 307、开发者工具 202、设计和产品 126 AI 工具分类已有 39 款，是最近增长最快的分类 自动更新 本地配了一个每周定时任务：拉取 awesome-mac 最新代码 → 重新解析生成页面 → 上传到预览服务器。上游新增软件一周内自动收录。 ...

摘要：还在手动暂停视频截字幕？还在边看直播边手打笔记？本文介绍的 screen_ocr.py 脚本，利用 macOS 原生 screencapture 与 Vision API，结合 Python 的 imagehash 库，实现了一个“框选即监控、变化即记录”的实时 OCR 笔记神器。特别适合视频字幕提取、在线会议记录及动态网页监控。 1. 工具简介：你的屏幕“速记员” 在日常开发与学习中，我们经常面临以下场景： 看网课/直播：老师讲得太快，来不及记笔记。 提取视频字幕：视频没有提供字幕文件，只能盯着画面看。 监控动态界面：某个网页或软件界面不断刷新数据，需要手动记录。 screen_ocr.py 专为解决这些痛点而生。它运行后，你只需在屏幕上框选出感兴趣的文字区域，它就会在后台“盯着”这块区域。一旦检测到画面内容变化（如字幕变了、数据刷新了），它会立即调用 macOS 原生的 OCR 引擎识别文字，并按时间顺序写入 Markdown 文件。 2. 核心功能解析 2.1 原生框选：screencapture -i 传统 Python 截图工具（如 pyautogui）通常无法精确框选区域，或者依赖庞大的 GUI 库（如 tkinter、PyQt）。screen_ocr.py 直接调用了 macOS 内置的 screencapture -i 命令。 体验：按下运行键，鼠标变成十字准星，跟平时用 Cmd+Shift+4 一模一样。 优势：零依赖、原生体验、支持 Retina 屏幕高清截图。 2.2 智能去抖：感知哈希 (pHash) 比对 如果每秒钟都调用 OCR，不仅浪费资源，还会产生大量重复文本（比如画面没变，但识别结果可能因为噪点略有不同）。 脚本引入了 imagehash 库，计算图片的 pHash (感知哈希)。 原理：将图片缩放、灰度化、DCT 变换后生成一个 64 位的指纹。 判定：只有当新旧两帧图片的汉明距离（Hamming Distance）大于 5 时，才认为画面发生了实质变化。 效果：完美过滤静止画面，仅在文字更新时触发识别。 2.3 极速识别：macOS Native Vision API 通过 ocrmac 库封装，直接调用 macOS 系统级的 VNRecognizeTextRequest。 ...