从 Tesseract 到 RapidOCR：微信收款监控自动化折腾全记录

一次从”能跑就行”到”稳定后台运行”的完整踩坑史。如果你也在做微信收款监听、OCR 识别、Windows 托盘、PyInstaller 打包，这篇文章能帮你少走几天弯路。

一、项目背景

需求很简单：监听微信电脑版”微信收款助手”的到账弹窗，识别金额，自动推送到 V免签服务端。

V免签是一个开源的聚合支付系统，个人收款码可以用它的 appPush 接口来自动标记订单已支付——顾客扫码付款后，监控程序识别到账，POST 一个金额给服务端，服务端匹配订单，顾客端自动跳转”支付成功”。

听上去逻辑清晰，但从零到稳定上线，前后踩了十几个坑。整理如下。

二、技术选型与架构

最终架构

┌──────────────────────────────────────────────────┐
│  主线程: infi.systray 托盘消息循环                │
├──────────────────────────────────────────────────┤
│  子线程: heartbeat_loop（每 10 秒心跳）           │
├──────────────────────────────────────────────────┤
│  子线程: monitor_loop（监控主循环）               │
│    ├── 截图微信收款助手窗口                       │
│    ├── pHash 检测窗口变化                         │
│    ├── RapidOCR 识别金额/时间/序号                │
│    ├── 时间+序号双重过滤                          │
│    └── 推送到 N 个 V免签服务端                    │
└──────────────────────────────────────────────────┘

关键选型

模块	方案	理由
OCR	RapidOCR (ONNX)	纯 Python，脱离 Tesseract，打包简单
变化检测	pHash 感知哈希	忽略鼠标/光标/抗锯齿差异
托盘	infi.systray	比 pystray 在 `--noconsole` 下更稳
打包	PyInstaller	`--onefile --noconsole` 单文件无窗口
日志	logging + 文件	无窗口模式下唯一排障手段

三、踩坑全记录

坑 1：Tesseract 打包难题

问题：pytesseract 只是调用壳，真正干活的是外部的 tesseract.exe。PyInstaller 不会自动把它塞进去。

最初尝试：把整个 tesseract.exe + tessdata 文件夹打包进 exe。

问题：

exe 体积从 30MB 暴涨到 100MB+
运行时还要处理 sys._MEIPASS 临时目录路径
tessdata 语言包还要额外指定 --tessdata-dir
在没装 VC++ 运行库的机器上，Tesseract 本身也起不来

最终方案：改用 RapidOCR（rapidocr_onnxruntime）。

# 旧
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
text = pytesseract.image_to_string(crop, lang='chi_sim+eng', config='--psm 6')

# 新
from rapidocr_onnxruntime import RapidOCR
engine = RapidOCR()
result, _ = engine(img_array)
texts = [item[1] for item in result if len(item) >= 2]
raw_text = "\n".join(texts)

收益：

打包体积降到 60~90MB
无外部依赖，不需要 VC++ 运行库
中文识别精度比 Tesseract 好
打包命令只需要 --collect-all rapidocr_onnxruntime

坑 2：`--noconsole` 后程序”假死”

问题：--noconsole 打包后，双击 exe 看不到任何窗口，也看不到 print 输出。程序崩了你都不知道。

解决：把所有 print 改成 logging，写文件 + 控制台双写。

LOG_PATH = os.path.join(get_base_dir(), "vmq.log")

logger = logging.getLogger("vmq")
logger.setLevel(logging.INFO)

_file_handler = logging.FileHandler(LOG_PATH, encoding='utf-8')
_file_handler.setFormatter(logging.Formatter(
    '%(asctime)s [%(levelname)s] %(message)s',
    datefmt='%Y-%m-%d %H:%M:%S'
))
logger.addHandler(_file_handler)

# 有控制台时同时输出（开发模式）
if sys.stdout is not None and hasattr(sys.stdout, 'write'):
    _console_handler = logging.StreamHandler(sys.stdout)
    logger.addHandler(_console_handler)

def log(msg, level='info'):
    getattr(logger, level, logger.info)(msg)

关键点：get_base_dir() 在打包后要取 sys.executable 目录，保证 vmq.log 和 exe 在一起。

def get_base_dir():
    if getattr(sys, 'frozen', False):
        return os.path.dirname(sys.executable)
    return os.path.dirname(os.path.abspath(__file__))

坑 3：pystray 在 `--noconsole` 下不显示图标

问题：pystray 日志显示 on_setup 回调已触发，但右下角就是没有图标。

排查过程：

任务管理器确认进程在跑 ✓
日志显示托盘对象创建成功 ✓
展开 ∧ 折叠区也找不到 ✗
怀疑是 pystray 在 --onefile 临时目录下的兼容问题

最终方案：改用 infi.systray。

import infi.systray

def tray_toggle_pause(sysTrayIcon):
    global paused
    paused = not paused
    ...

def build_tray():
    menu_options = (
        ("暂停 / 继续监控", None, tray_toggle_pause),
        ("查看日志", None, tray_open_log),
        ("打开所在目录", None, tray_open_dir),
        ("退出", None, tray_quit),
    )
    tray = infi.systray.SysTrayIcon(
        get_icon_path(),
        "微信收款监控（运行中）",
        menu_options,
        on_quit=tray_quit,
    )
    return tray

def main():
    global _tray_instance
    ...
    _tray_instance = build_tray()
    _tray_instance.start()  # 阻塞

关键坑：tray 对象必须存全局变量，否则会被 GC 回收，消息循环退出：

_tray_instance = None  # 模块级全局

def main():
    global _tray_instance
    _tray_instance = build_tray()

坑 4：托盘正常了，心跳却”离线”

这是最隐蔽的一个坑。

现象：换 infi.systray 后托盘显示正常，但 V免签后台显示”监控端离线”。

日志证据：

13:32:55 [心跳] 心跳线程已启动
13:32:55 [托盘] 已启动
13:32:57 [预热] 完成
（然后就没有然后了）

根因：infi.systray.start() 在主线程跑消息循环时，会长时间持有 GIL，把子线程的心跳饿死。

解决：心跳独立线程 + stop_event.wait() 代替 time.sleep()。

HEARTBEAT_INTERVAL = 10

def heartbeat_loop():
    log(f"[心跳] 心跳线程已启动，间隔 {HEARTBEAT_INTERVAL} 秒")
    while not stop_event.is_set():
        try:
            send_heartbeat()
        except Exception as e:
            log(f"[心跳] 线程内异常: {e}", 'warning')
        stop_event.wait(HEARTBEAT_INTERVAL)   # ★ 关键
    log("[心跳] 心跳线程已停止")

def main():
    threading.Thread(target=heartbeat_loop, daemon=True).start()
    ...

为什么用 stop_event.wait() 而不是 time.sleep()：wait() 能立即响应 stop_event.set()，退出更干净。

坑 5：主进程 1 秒后自己退出

现象：日志显示

[托盘] 已启动，右键图标可操作
[预热] 正在读取当前屏幕...
[退出] 程序已完全退出     ← 1秒后

根因：infi.systray.start() 在 Server 2012 上可能提前返回，导致 main() 后面的 stop_event.set() 立即执行，整个进程退出。

解决：守护循环兜底。

try:
    _tray_instance.start()
    log("[托盘] tray.start() 返回，进入守护循环")
except Exception as e:
    log(f"[托盘] start() 异常: {e}", 'error')

# ★ 守护循环
while not stop_event.is_set():
    time.sleep(1)

stop_event.set()
monitor_thread.join(timeout=5)

坑 6：RapidOCR 打包后报 `DLL load failed while importing cv2`

现象：打包后运行报错：

ImportError: DLL load failed while importing cv2: 找不到指定的模块。

根因：rapidocr_onnxruntime 依赖 cv2（OpenCV），而 OpenCV 的 .pyd 依赖 Visual C++ 运行库。PyInstaller 默认不会自动收集。

解决：打包命令加 --collect-all cv2：

python -m PyInstaller --onefile --noconsole ^
  --collect-all rapidocr_onnxruntime ^
  --collect-all onnxruntime ^
  --collect-all cv2 ^
  --add-data "icon.ico;." ^
  --hidden-import numpy ^
  --hidden-import PIL ^
  --hidden-import pygetwindow ^
  --hidden-import win32gui ^
  --hidden-import infi.systray ^
  vmq.py

如果是 Windows Server 2012，还需要在服务器上开启”桌面体验”功能（包含媒体基础组件）。

坑 7：旧弹窗被反复推送，没付款的订单也跳转

现象：顾客没付款，订单状态却变成”已支付”。

根因链：

高频 OCR 版每 0.5 秒都 OCR，旧弹窗只要在屏幕上就一直被识别、一直推送
V免签的匹配规则是”按金额找最近的未支付订单”，没有时间校验
于是”旧弹窗的推送”匹配到了”刚创建的未付款订单”

解决：回到 pHash 变化触发 —— 只有弹窗真的变了才 OCR。

if current_hash == last_image_hash:
    # 窗口没变，跳过
    stop_event.wait(SCAN_INTERVAL)
    continue

# 窗口变了才 OCR
amount, dedup_key = extract_amount(img)

教训：“更快”不总是更好。高频采样会把”静态界面”也当成”事件”处理。

坑 8：弹窗延迟 9 分钟，被”5 分钟时间过滤”误杀

现象：14:38 的收款，弹窗到 14:47 才刷新，但 5 分钟过滤规则直接把 14:38 视为”旧消息”，漏推。

根因：微信电脑版收款助手的弹窗刷新延迟可能超过 5 分钟（尤其是有”1条新消息”折叠气泡时，主区域不刷新）。

解决：时间过滤 + 序号过滤双管齐下。

# 时间过滤放宽到 15 分钟
TIME_FILTER_MINUTES = 15

# 序号过滤：不依赖时间，只依赖"今日第 N 笔"递增
max_seq_seen = 0

# 在 extract_amount 里
seq_match = re.search(r'今日第(\d+)笔', clean_text)
seq = int(seq_match.group(1)) if seq_match else 0

if seq > 0 and seq <= max_seq_seen:
    log(f"[过滤] 序号第{seq}笔 <= 已处理最大序号{max_seq_seen}，跳过")
    return None, None

if seq > max_seq_seen:
    max_seq_seen = seq

预热时读当前序号，避免程序重启后误推旧弹窗：

# 预热阶段
init_seq = extract_seq_only(img)   # 不带过滤的 OCR
if init_seq:
    max_seq_seen = init_seq
    log(f"[预热] 当前已处理到第 {max_seq_seen} 笔，后续只推送更大的序号")

坑 9：多个服务端 + 同一收款通道 = 必然错配

现象：同时对接 Workers 版和 PHP 版两个 V免签服务端，结果Workers 版的未付款订单被标记为已支付。

根因：

微信收款助手只有一个收款通道
顾客在哪个服务端下单，钱进的是同一个微信
监控程序识别到”1.00 到账”，不知道它对应哪个服务端的订单
盲推给两边 → 一方匹配对，另一方匹配错

结论：这是 V免签服务端”按金额匹配”的架构缺陷，本地代码无法根治。

可选方案：
| 方案 | 说明 | 可行性 |
|—-|—-|—-|
| 单服务端 | 只保留一个 | ★★★★★ |
| 金额区间隔离 | PHP 用 0.01~0.50，Workers 用 0.51~1.00 | ★★ |
| 两个微信账号 | 各自对应一个服务端 | ★（需要多开微信） |

最终选：单服务端。

坑 10：pHash 检测不到”1条新消息”气泡

现象：弹窗右上角显示”∧ 1条新消息”，但主区域（时间、金额）不刷新，pHash 一直认为”窗口未变化”，永远识别不到新收款。

根因：pHash 裁剪区只覆盖 20%~52%（时间+金额区），气泡在 5%~15% 的顶部，在裁剪区之外。

解决：

扩大 pHash 裁剪区到顶部：HASH_CROP_TOP_RATIO = 0.05
OCR 检测到”条新消息”时主动激活窗口，逼微信展开主区域

if '条新消息' in clean_text or '新消息' in clean_text:
    log("[刷新] 检测到新消息气泡，主动激活窗口强制刷新")
    activate_wechat_window()
    refresh_pending = True
    return None, None

def activate_wechat_window():
    global last_hwnd
    if not last_hwnd:
        return
    try:
        if win32gui.IsIconic(last_hwnd):
            win32gui.ShowWindow(last_hwnd, win32con.SW_RESTORE)
        win32gui.SetForegroundWindow(last_hwnd)
    except Exception as e:
        log(f"[刷新] 激活窗口失败: {e}", 'warning')

四、最终代码架构

核心模块清单

# ========== 配置区 ==========
SERVERS = [...]                    # 多服务端配置（含 timeout）
WINDOW_TITLE = "微信收款助手"
SCAN_INTERVAL = 0.3                # pHash 检测间隔
HEARTBEAT_INTERVAL = 10            # 心跳间隔
TIME_FILTER_MINUTES = 15           # 时间过滤
HASH_CROP_* = ...                  # pHash 裁剪区（含顶部气泡）
OCR_CROP_* = ...                   # OCR 裁剪区

# ========== 全局状态 ==========
stop_event = threading.Event()     # 退出信号
paused = False                     # 暂停标志
max_seq_seen = 0                   # 序号过滤
pushed_records = deque(maxlen=200) # 去重
_tray_instance = None              # 托盘全局引用

# ========== 线程 ==========
heartbeat_loop()                   # 心跳线程
monitor_loop()                     # 监控线程

# ========== 托盘 ==========
build_tray()                       # 构建托盘
tray_toggle_pause()                # 暂停/继续
tray_open_log()                    # 查看日志
tray_open_dir()                    # 打开目录
tray_quit()                        # 退出

# ========== 主循环 ==========
main()                             # 启动所有线程 + 守护循环

关键设计模式

stop_event 统一退出信号：所有线程的循环都用 while not stop_event.is_set()，time.sleep 换成 stop_event.wait()，退出时瞬间响应。
_tray_instance 全局引用：防止托盘对象被 GC 回收。
refresh_pending 标志：激活窗口后等 0.5 秒再截图，让微信刷新。
双线程 + 守护循环：心跳独立、监控独立、托盘主线程 + 守护循环防提前退出。

五、打包命令速查

依赖安装

python -m pip install rapidocr_onnxruntime onnxruntime opencv-python numpy pillow requests pygetwindow pywin32 infi.systray -i https://pypi.tuna.tsinghua.edu.cn/simple
python -m pip install pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple

打包（单行）

python -m PyInstaller --onefile --noconsole --name 微信收款监控 --collect-all rapidocr_onnxruntime --collect-all onnxruntime --collect-all cv2 --add-data "icon.ico;." --hidden-import numpy --hidden-import PIL --hidden-import pygetwindow --hidden-import win32gui --hidden-import infi.systray vmq.py

打包（多行）

python -m PyInstaller --onefile --noconsole ^
  --name 微信收款监控 ^
  --collect-all rapidocr_onnxruntime ^
  --collect-all onnxruntime ^
  --collect-all cv2 ^
  --add-data "icon.ico;." ^
  --hidden-import numpy ^
  --hidden-import PIL ^
  --hidden-import pygetwindow ^
  --hidden-import win32gui ^
  --hidden-import infi.systray ^
  vmq.py

产物

dist\微信收款监控.exe   # 单文件无窗口，带托盘

六、经验总结

该记住的原则

无窗口模式下，日志是唯一的排障手段。宁可有冗余日志，也不要”崩了没线索”。
心跳、监控、托盘必须解耦到不同线程。infi.systray.start() 会占 GIL，别把关键任务放主线程。
“更快”不总是更好。高频 OCR 会把静态界面当成事件，导致误推。
过滤规则要双轨。时间过滤会被弹窗延迟击穿，序号过滤是更可靠的兜底。
多服务端 + 同一收款通道 = 必然错配。V免签的”按金额匹配”没有时间校验，无法根治。
打包是最后一关，也是最容易翻车的一关。--collect-all 是关键，缺一个就运行时崩。
主进程退出会带走所有 daemon 线程。托盘对象要全局引用，主线程要用守护循环顶住。

该避免的坑

❌ 错误做法	✅ 正确做法
用 `print` 输出	用 `logging` 落文件
心跳在主循环里按次数发	独立线程 + `stop_event.wait()`
托盘对象是局部变量	全局引用，防 GC
`icon.run()` 后直接退出	加守护循环
只靠时间过滤	时间 + 序号双重过滤
多服务端盲推	单服务端或金额隔离

七、待办与扩展方向

单实例锁：防止重复双击启动多个进程
开机自启：写注册表 Run 项
图标动态切换：暂停时换灰色图标（需要两个 ico）
邮件/Server酱告警：监控异常时通知
配置外部化：把 SERVERS、裁剪比例抽到 config.ini

八、结语

这个项目从”能跑”到”稳定后台”，大概花了 3 天，踩了 10 个坑。大多数问题不是代码写错了，而是”没考虑到 Windows 桌面应用的运行时特性”：

GIL 和消息循环的交互
PyInstaller 的依赖收集
微信电脑版的弹窗刷新机制
V免签服务端的匹配逻辑

这些都不是”看一眼文档就能知道”的，只有真的跑过、崩过、翻过日志，才能摸清。

希望这篇记录能帮到后面遇到同样问题的人。

（完）