'commit'

Apps/TeLaiDian/Config/Setting.py

@@ -2,7 +2,7 @@
 
 # 采集配置
 SCROLL_DISTANCE_RATIO = 0.5
-MAX_STATIONS_COUNT = 100
+MAX_STATIONS_COUNT = 3
 FIRST_RUN_ONLY_ONE_STATION = False
 
 # 调试绘图配置

Apps/TeLaiDian/Crawler.py

@@ -55,38 +55,50 @@ class TeLaiDianCrawler(BaseCrawler):
 
     async def clear_ads(self, d, max_rounds=3):
         """
-        清理页面上的广告弹窗
+        清理页面上的广告弹窗，支持多轮检测
         """
-        logger.info(f"开始清理广告弹窗，最多尝试 {max_rounds} 轮...")
+        logger.info(f"--- [广告清理] 开始检测，最多尝试 {max_rounds} 轮 ---")
         for i in range(max_rounds):
-            ad_screen = take_screenshot(d, f"tld_ad_check_{int(time.time())}.jpg")
-            res = await self.read_image_kit.find_close_button_vlm(ad_screen)
+            round_idx = i + 1
+            logger.info(f"[广告清理] 第 {round_idx} 轮：正在截屏分析...")
+            ad_screen = take_screenshot(d, f"tld_ad_check_r{round_idx}_{int(time.time())}.jpg")
             
-            if res.get("has_ad") and res.get("close_point"):
-                close_point = res.get("close_point")
-                w, h = d.window_size()
-                target_x = int(close_point[0] * w / 1000)
-                target_y = int(close_point[1] * h / 1000)
+            try:
+                res = await self.read_image_kit.find_close_button_vlm(ad_screen)
                 
-                # 安全校验：绝对不能点击微信小程序的胶囊按钮区 (右上角)
-                # 胶囊按钮通常在 x > 80% 宽度 且 y < 100 像素(或 8% 高度) 的区域
-                if target_x > w * 0.75 and target_y < 150:
-                    logger.warning(f"⚠️ 拒绝点击疑似微信胶囊按钮的区域: ({target_x}, {target_y})")
-                    continue
+                if res.get("has_ad") and res.get("close_point"):
+                    close_point = res.get("close_point")
+                    reason = res.get("reason", "未提供原因")
+                    w, h = d.window_size()
+                    target_x = int(close_point[0] * w / 1000)
+                    target_y = int(close_point[1] * h / 1000)
+                    
+                    logger.info(f"[广告清理] 第 {round_idx} 轮：VLM 发现广告！原因: {reason}")
+                    logger.info(f"[广告清理] 计划点击坐标: ({target_x}, {target_y})，归一化坐标: {close_point}")
+                    
+                    # 安全校验：绝对不能点击微信小程序的胶囊按钮区 (右上角)
+                    if target_x > w * 0.75 and target_y < 150:
+                        logger.warning(f"[广告清理] ⚠️ 拒绝点击疑似微信胶囊按钮的区域: ({target_x}, {target_y})，跳过本轮。")
+                        continue
 
-                logger.info(f"第 {i+1} 轮发现广告: {res.get('reason')}，点击关闭: ({target_x}, {target_y})")
-                d.click(target_x, target_y)
-                await asyncio.sleep(1.5)
-            else:
-                logger.info(f"第 {i+1} 轮未发现明显广告，清理结束。")
+                    logger.info(f"[广告清理] 正在执行点击关闭操作...")
+                    d.click(target_x, target_y)
+                    # 点击后等待一下，让弹窗消失或下一轮广告弹出
+                    await asyncio.sleep(2.0)
+                else:
+                    logger.info(f"[广告清理] 第 {round_idx} 轮：未发现广告弹窗。VLM 理由: {res.get('reason', '无')}")
+                    if os.path.exists(ad_screen): os.remove(ad_screen)
+                    break
+            except Exception as e:
+                logger.error(f"[广告清理] 第 {round_idx} 轮检测发生异常: {e}")
+            finally:
                 if os.path.exists(ad_screen): os.remove(ad_screen)
-                break
-            
-            if os.path.exists(ad_screen): os.remove(ad_screen)
+        
+        logger.info("--- [广告清理] 任务结束 ---")
 
     async def crawl_list_logic(self, d):
-        # [临时禁用] 广告清理逻辑误触严重，先解决主流程问题
-        # await self.clear_ads(d)
+        # 1. 启动即清理广告 (已根据要求关闭)
+        # await self.clear_ads(d, max_rounds=3)
         
         # [优化] 向下滚动以刷新/校准地理位置
         # 使用更加显式的 swipe 方式：从屏幕 30% 划到 80%
@@ -282,68 +294,75 @@ class TeLaiDianCrawler(BaseCrawler):
 
         w, h = d.window_size()
 
-        logger.info("[详情页] 根据用户策略: 多次大幅向上滑动，直到页面基本不再变化")
-        last_md5 = None
-        stable_count = 0
-        max_round = 30
-        final_screen_path = None
+        logger.info("[详情页] 根据用户要求：进入页面后多等会，然后向上滑动一整屏，通过 VLM 查找价格入口")
+        w, h = d.window_size()
+        
+        # 1. 增加等待时间，确保页面加载完成
+        logger.info(f"[详情页] 等待 {WAIT_DETAIL_PAGE_LOAD + 2}s 确保页面稳定 (根据要求多等会)...")
+        await asyncio.sleep(WAIT_DETAIL_PAGE_LOAD + 2)
+        
+        # 2. 向上滑动一部分屏 (从屏幕底部的 85% 划到顶部的 15%)
+        # [优化] 避免滑过头，从全屏改为 0.7 屏幕左右
+        logger.info("[详情页] 执行向上滑动操作 (y: 85% -> 15%)")
+        d.swipe(w // 2, int(h * 0.85), w // 2, int(h * 0.15), duration=0.8)
+        await asyncio.sleep(2.0) # 滑动后再次等待稳定
 
-        from Apps.TeLaiDian.Kit import get_image_content_md5
+        # 3. 截图并识别
+        final_screen_path = take_screenshot(d, f"tld_detail_vlm_input_{int(time.time())}.jpg")
+        logger.info(f"[详情页] 已截取 VLM 识别用图: {final_screen_path}")
 
-        for idx in range(max_round):
-            start_x = int(w * 0.9)
-            start_y = int(h * 0.85)
-            end_y = int(h * 0.25)
-            logger.info(f"[详情页] 第 {idx + 1} 轮大幅向上滑动: ({start_x}, {start_y}) -> ({start_x}, {end_y})")
-            d.swipe(start_x, start_y, start_x, end_y, 0.25)
-            await asyncio.sleep(1.0)
-
-            screen_path = take_screenshot(d, f"tld_detail_scan_{int(time.time())}_{idx}.jpg")
-            logger.info(f"[详情页] 第 {idx + 1} 轮滑动后的截图: {screen_path}")
-            curr_md5 = get_image_content_md5(
-                screen_path,
-                top_ratio=SAFE_EXCLUDE_RATIO,
-                bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO,
-            )
-            if last_md5 is not None and curr_md5 == last_md5:
-                stable_count += 1
-                logger.info(f"[详情页] 页面内容连续第 {stable_count} 次无变化，可能已到稳定区域")
-            else:
-                stable_count = 0
-            last_md5 = curr_md5
-            final_screen_path = screen_path
-
-            if stable_count >= 2:
-                logger.info("[详情页] 检测到页面多次无变化，认为已到达顶部固定区域，提前结束扫描。")
-                break
-
-        if not final_screen_path:
-            final_screen_path = take_screenshot(d, f"tld_detail_scan_final_{int(time.time())}.jpg")
-            logger.info(f"[详情页] 扫描流程未生成截图，使用兜底截图: {final_screen_path}")
-        else:
-            logger.info(f"[详情页] 使用最终稳定区域截图作为价格页识别输入: {final_screen_path}")
-
-        logger.info("[详情页] 使用固定归一化坐标点击顶部“价格”标签，并点击左侧当前价数字进入全时段电价")
+        logger.info("[详情页] 优先使用 VLM 识别顶部“价格”标签和价格入口")
         price_tab_screen = final_screen_path
         entrance_clicked = False
 
         try:
-            tab_x = int(PRICE_TAB_X_NORM * w / 1000)
-            tab_y = int(PRICE_TAB_Y_NORM * h / 1000)
-            logger.info(f"[详情页] 固定坐标点击价格标签: 归一化({PRICE_TAB_X_NORM}, {PRICE_TAB_Y_NORM}) -> 像素({tab_x}, {tab_y})")
+            # 1. 尝试使用 VLM 寻找顶部“价格”标签
+            tab_data = await self.read_image_kit.find_price_tab_vlm(final_screen_path)
+            tab_x, tab_y = None, None
+            
+            if tab_data.get("found") and tab_data.get("point"):
+                p = tab_data["point"]
+                tab_x = int(p[0] * w / 1000)
+                tab_y = int(p[1] * h / 1000)
+                logger.info(f"[详情页] VLM 成功找到价格标签: 归一化{p} -> 像素({tab_x}, {tab_y})")
+            else:
+                tab_x = int(PRICE_TAB_X_NORM * w / 1000)
+                tab_y = int(PRICE_TAB_Y_NORM * h / 1000)
+                logger.warning(f"[详情页] VLM 未找到价格标签，使用固定坐标兜底: 像素({tab_x}, {tab_y})")
+
+            logger.info(f"[详情页] 正在点击价格标签...")
             d.click(tab_x, tab_y)
-            await asyncio.sleep(1.0)
+            await asyncio.sleep(2.0) # 点击标签后多等会
+            
             price_tab_screen = take_screenshot(d, f"tld_detail_after_price_tab_{int(time.time())}.jpg")
             logger.info(f"[详情页] 点击价格标签后的界面截图已保存: {price_tab_screen}")
 
-            entry_x = int(PRICE_ENTRY_X_NORM * w / 1000)
-            entry_y = int(PRICE_ENTRY_Y_NORM * h / 1000)
+            # 2. 尝试使用 VLM 寻找价格入口 (重点识别“全部时段 >”)
+            entry_data = await self.read_image_kit.find_price_entrance_vlm(price_tab_screen)
+            entry_x, entry_y = None, None
+            
+            if entry_data.get("found") and entry_data.get("point"):
+                p = entry_data["point"]
+                # 安全校验：严禁点击 y > 850 (85%) 的区域，那是底部浮动条
+                if p[1] > 850:
+                    logger.warning(f"[详情页] VLM 虽返回坐标 {p}，但 Y 轴过大 (疑似底部浮动条)，强制判定为未找到。")
+                    entry_x = int(PRICE_ENTRY_X_NORM * w / 1000)
+                    entry_y = int(PRICE_ENTRY_Y_NORM * h / 1000)
+                else:
+                    entry_x = int(p[0] * w / 1000)
+                    entry_y = int(p[1] * h / 1000)
+                    logger.info(f"[详情页] VLM 成功找到价格入口 (匹配全部时段标识): 归一化{p} -> 像素({entry_x}, {entry_y})，原因: {entry_data.get('reason')}")
+            else:
+                entry_x = int(PRICE_ENTRY_X_NORM * w / 1000)
+                entry_y = int(PRICE_ENTRY_Y_NORM * h / 1000)
+                logger.warning(f"[详情页] VLM 未找到价格入口，使用固定坐标兜底: 像素({entry_x}, {entry_y})")
+
             click_x = max(5, min(w - 5, entry_x))
             click_y = max(5, min(h - 5, entry_y))
 
             debug_click_path = price_tab_screen.replace(
                 ".jpg",
-                f"_click_{tab_x}_{tab_y}_price_{click_x}_{click_y}.jpg"
+                f"_click_tab_{tab_x}_{tab_y}_entry_{click_x}_{click_y}.jpg"
             )
             try:
                 img = read_image(price_tab_screen)
@@ -351,18 +370,16 @@ class TeLaiDianCrawler(BaseCrawler):
                     cv2.circle(img, (tab_x, tab_y), 20, (0, 0, 255), -1)
                     cv2.circle(img, (click_x, click_y), 20, (0, 0, 255), -1)
                     save_image(debug_click_path, img)
-                    logger.info(f"[详情页] 已生成价格标签与当前价入口红点标记图: {debug_click_path}")
-                else:
-                    logger.warning(f"[详情页] 加载价格页截图失败，无法绘制诊断红点: {price_tab_screen}")
+                    logger.info(f"[详情页] 已生成价格点击诊断红点图: {debug_click_path}")
             except Exception as e:
-                logger.error(f"[详情页] 生成价格入口点击诊断图片失败: {e}")
+                logger.error(f"[详情页] 生成诊断图片失败: {e}")
 
-            logger.info(f"[详情页] 点击当前价入口: 像素({click_x}, {click_y})，屏幕大小: ({w}, {h})")
+            logger.info(f"[详情页] 正在点击电价入口...")
             d.click(click_x, click_y)
             entrance_clicked = True
             await asyncio.sleep(WAIT_DETAIL_PAGE_LOAD)
         except Exception as e:
-            logger.error(f"[详情页] 固定坐标点击价格标签或入口失败: {e}")
+            logger.error(f"[详情页] 识别或点击价格入口失败: {e}")
 
         if entrance_clicked:
             entered_price_path = take_screenshot(d, f"tld_detail_price_after_enter_{int(time.time())}.jpg")

Apps/TeLaiDian/Kit.py

@@ -417,6 +417,38 @@ def clear_temp_dir(save_dir=None):
         except Exception as e:
             logger.error(f"Error deleting file {file_path}: {e}")
 
+from Util.EasyOcrKit import get_easyocr_reader
+
+# 预加载 EasyOCR Reader (单例模式)
+def get_ocr_reader():
+    return get_easyocr_reader(gpu=True)
+
+def detect_price_info_container_cv(image_path):
+    """
+    使用 OCR 精准定位详情页中的“全部时段”文本。
+    返回: [x1, y1, x2, y2] 归一化坐标，如果未找到则返回 None
+    """
+    img = read_image(image_path)
+    if img is None:
+        return None
+    h, w = img.shape[:2]
+    
+    try:
+        reader = get_ocr_reader()
+        # 使用封装后的方法查找文本
+        found = reader.find_text_position(img, '全部时段')
+        
+        if found:
+            text, quad, prob = found
+            # 使用封装后的方法计算归一化矩形
+            res = reader.get_normalized_rect(quad, w, h)
+            print(f"[OCR识别] 找到文本: '{text}', 置信度: {prob:.4f}, 归一化坐标: {res}")
+            return res
+    except Exception as e:
+        print(f"OCR 识别发生异常: {e}")
+        
+    return None
+
 def setup_logger(name, log_file=None, clear_old_log=False):
     """
     配置日志，支持同时输出到控制台和文件。

Apps/TeLaiDian/ReadImageKit.py

@@ -10,7 +10,7 @@ if project_root not in sys.path:
     sys.path.append(project_root)
 
 from Util.VLMKit import VLMKit
-from Apps.TeLaiDian.Kit import draw_rectangles, setup_logger, read_image
+from Apps.TeLaiDian.Kit import draw_rectangles, setup_logger, read_image, detect_price_info_container_cv
 from Apps.TeLaiDian.Config.Setting import SAFE_EXCLUDE_RATIO, BOTTOM_SAFE_EXCLUDE_RATIO, MIN_CARD_HEIGHT
 
 # 初始化日志
@@ -60,44 +60,77 @@ class ReadImageKit:
 
     async def find_price_entrance_vlm(self, image_path):
         """
-        使用 VLM 在详情页寻找价格入口（如：1.1556元/度 的卡片或价格信息按钮）
+        使用 VLM 在详情页寻找价格入口
+        重点识别：上方是大字价格（如 1.3435元/度），下方紧跟“全部时段 >”文字的区域
         """
-        prompt = """
-        分析这张特来电充电站详情页截图，找到进入“分时电价详情”的点击入口。
-        入口规则：
-        1. 只选择“价格信息”模块中“当前价”下方的红色电价数字（例如 1.0689 元/度、1.3435 元/度）。
-        2. 排除底部悬浮条或底部操作区中的红色价格（靠近“扫码充电”“立即充电”等按钮的区域）。
-        3. 排除“停车参考价”“停车费参考价”等与停车相关的区域。
-        4. 禁止选择页面顶部的标签栏，例如“价格 / 终端 / 电站 / 评论 / 周边”这一行中的任何文字或区域。
-        5. 如果页面没有“当前价”，才选择用于展示充电价格的按钮，如“价格信息”“电价详情”。
+        # 1. 尝试使用 CV 检测“价格信息”容器矩形
+        container_norm = detect_price_info_container_cv(image_path)
+        container_desc = ""
+        vlm_image_path = image_path
 
-        位置约束（尽量满足）：
-        - Y 位置位于价格信息模块区域内：明显在顶部标签栏下方、在底部悬浮条上方。
-        - X 位置应位于左侧价格列区域（当前价所在列），避免会员价右侧列。
+        if container_norm:
+            # 如果找到了容器，绘制绿框诊断图
+            img = read_image(image_path)
+            if img is not None:
+                h, w = img.shape[:2]
+                x1 = int(container_norm[0] * w / 1000)
+                y1 = int(container_norm[1] * h / 1000)
+                x2 = int(container_norm[2] * w / 1000)
+                y2 = int(container_norm[3] * h / 1000)
+                
+                # 在左侧划分出一个子区域（当前价区域）
+                # 价格信息容器通常左右平分，左侧是当前价，右侧是会员价
+                current_price_x2 = x1 + (x2 - x1) // 2
+                
+                # 绘制绿框
+                # 我们把整个容器标绿，并特别说明左侧是目标
+                diag_path = image_path.replace(".jpg", "_price_box.jpg")
+                import cv2
+                diag_img = img.copy()
+                cv2.rectangle(diag_img, (x1, y1), (x2, y2), (0, 255, 0), 3)
+                cv2.line(diag_img, (current_price_x2, y1), (current_price_x2, y2), (0, 255, 0), 2)
+                from Apps.TeLaiDian.Kit import save_image
+                save_image(diag_path, diag_img)
+                logger.info(f"[CV] 已检测到价格容器并保存绿框诊断图: {diag_path}")
+                
+                # 更新 VLM 使用的图片为带绿框的图片，或者在提示词中说明
+                vlm_image_path = diag_path
+                container_desc = f"\n**视觉辅助**：图中已用【绿色矩形框】标出了“价格信息”区域。该区域被中间竖线分为左右两块。请重点分析【左侧半块】（即“当前价”所在的灰色背景区域）。"
+
+        prompt = f"""
+        分析这张特来电充电站详情页截图，找到进入“电价详情”的点击入口。
+        {container_desc}
+
+        **核心识别目标**：
+        1. 在页面中上部区域（或绿框内的左侧部分）寻找价格显示模块。
+        2. 该模块包含**红色、加粗的大字价格数字**（例如：1.3435元/度）。
+        3. **绝对必要标识**：在价格数字的正下方，**必须能够清晰看到**文本“全部时段 >”或“全部时段”。
+        4. 点击目标是“全部时段 >”文字所在的中心位置。
+
+        **严格限制与排除**：
+        1. **严禁选择 y > 850 的区域**（即屏幕最底部的 15% 区域）。
+        2. **严禁选择底部的浮动条**：浮动条通常包含“扫码充电”按钮，严禁返回其坐标。
+        3. 如果绿框存在，请优先在绿框的【左侧区域】寻找。
 
-        请判断符合上述规则的价格入口是否存在，并给出其中心坐标。
         输出格式为 JSON：
-        {
+        {{
             "found": true/false,
-            "reason": "为什么认为这是入口（说明是否基于当前价红色价格，并确认未选顶部标签栏或底部悬浮条）",
-            "point": [x, y],
-            "type": "price_card" / "button"
-        }
+            "reason": "解释你看到了什么，是否在绿框内找到了‘全部时段 >’",
+            "point": [x, y]  // 归一化坐标 [0-1000]
+        }}
         """
         try:
-            res_text = await self.vlm.analyze_image(image_path, prompt)
+            res_text = await self.vlm.analyze_image(vlm_image_path, prompt)
             json_str = self.vlm.extract_json(res_text)
             data = json.loads(json_str)
             
             # 保存诊断图片
             if data.get("found") and data.get("point"):
                 p = data["point"]
-                # 转换坐标
                 img = read_image(image_path)
                 if img is not None:
                     h, w = img.shape[:2]
                     actual_p = [int(p[0] * w / 1000), int(p[1] * h / 1000)]
-                    # 生成虚拟 bbox
                     bbox = [actual_p[0]-60, actual_p[1]-40, actual_p[0]+60, actual_p[1]+40]
                     draw_rectangles(image_path, bboxes=[bbox], click_points=[actual_p])
                     logger.info(f"已生成价格入口诊断图片: {image_path.replace('.jpg', '_vl.jpg')}")

T4_TeLaiDian.py

@@ -1,8 +1,7 @@
 # coding=utf-8
-import sys
-import os
 import asyncio
-import logging
+import os
+import sys
 
 # 将项目根目录添加到 sys.path
 project_root = os.path.dirname(os.path.abspath(__file__))

Tools/Test_EasyOCR_Price.py

@@ -0,0 +1,71 @@
+# coding=utf-8
+# pip install easyocr
+# python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 --force-reinstall
+import os
+import sys
+import cv2
+import numpy as np
+# 设置项目根目录
+project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+if project_root not in sys.path:
+    sys.path.append(project_root)
+
+from Util.EasyOcrKit import get_easyocr_reader
+
+def test_easyocr_price():
+    # 待测试的图片路径
+    test_image_path = os.path.join(project_root, "Output", "Screenshot_20260115_083521.jpg")
+    output_image_path = os.path.join(project_root, "Output", "Test_EasyOCR_Result.jpg")
+    
+    print(f"--- 开始测试 EasyOCR 识别 ---")
+    print(f"输入图片: {test_image_path}")
+    
+    if not os.path.exists(test_image_path):
+        print(f"错误: 测试图片不存在！")
+        return
+
+    # 1. 初始化 OCR (使用封装类)
+    reader = get_easyocr_reader(gpu=True)
+    
+    # 2. 读取图片
+    img = cv2.imread(test_image_path)
+    if img is None:
+        print("错误: 无法读取图片。")
+        return
+        
+    # 3. 识别
+    target = '全部时段'
+    found = reader.find_text_position(img, target)
+    
+    h, w = img.shape[:2]
+    
+    if found:
+        text, quad, prob = found
+        pts = np.array(quad).astype(int)
+        cv2.polylines(img, [pts], isClosed=True, color=(0, 255, 0), thickness=2)
+        
+        # 使用封装后的方法获取归一化中心点 (演示 get_normalized_rect)
+        rect = reader.get_normalized_rect(quad, w, h)
+        norm_x = (rect[0] + rect[2]) // 2
+        norm_y = (rect[1] + rect[3]) // 2
+        
+        print(f'找到“{text}” (目标: {target}) 置信度={prob:.2f}')
+        print(f'归一化坐标: [{norm_x}, {norm_y}]')
+        
+        cv2.putText(img, f"OCR Found: {text}", (pts[0][0], pts[0][1] - 10),
+                    cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
+    else:
+        print(f"未能在图片中找到包含“{target}”的文本。")
+        # 打印出所有识别到的文本，方便调试
+        print("识别到的所有文本:")
+        results = reader.read_text(img)
+        for (_, text, _) in results:
+            print(f" - {text}")
+
+    # 4. 保存结果图
+    cv2.imwrite(output_image_path, img)
+    print(f"--- 测试完成 ---")
+    print(f"结果已保存至: {output_image_path}")
+
+if __name__ == "__main__":
+    test_easyocr_price()

Tools/Test_PriceBox_Detection.py

@@ -0,0 +1,67 @@
+# coding=utf-8
+import os
+import sys
+import cv2
+import numpy as np
+
+# 设置项目根目录
+project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+if project_root not in sys.path:
+    sys.path.append(project_root)
+
+from Apps.TeLaiDian.Kit import detect_price_info_container_cv, read_image, save_image
+
+def test_price_box_detection():
+    # 待测试的图片路径
+    test_image_path = os.path.join(project_root, "Output", "Screenshot_20260115_083521.jpg")
+    output_image_path = os.path.join(project_root, "Output", "Test_PriceBox_Result_V2.jpg")
+    
+    print(f"--- 开始测试价格容器识别 ---")
+    print(f"输入图片: {test_image_path}")
+    
+    if not os.path.exists(test_image_path):
+        print(f"错误: 测试图片不存在！")
+        return
+
+    # 1. 调用刚才实现的 CV 识别函数
+    container_norm = detect_price_info_container_cv(test_image_path)
+    
+    if not container_norm:
+        print("识别失败: 未能检测到‘价格信息’容器矩形。")
+        return
+
+    print(f"识别成功! 归一化坐标: {container_norm}")
+    
+    # 2. 读取图片并绘制绿框进行可视化验证
+    img = read_image(test_image_path)
+    if img is None:
+        print("错误: 无法读取图片。")
+        return
+        
+    h, w = img.shape[:2]
+    x1 = int(container_norm[0] * w / 1000)
+    y1 = int(container_norm[1] * h / 1000)
+    x2 = int(container_norm[2] * w / 1000)
+    y2 = int(container_norm[3] * h / 1000)
+    
+    # 绘制外框 (绿框)
+    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 4)
+    
+    # 绘制中间分割线 (区分左侧当前价和右侧会员价)
+    mid_x = x1 + (x2 - x1) // 2
+    cv2.line(img, (mid_x, y1), (mid_x, y2), (0, 255, 0), 2)
+    
+    # 加上文字标注
+    cv2.putText(img, "Target Area (Left Half)", (x1 + 10, y1 + 40), 
+                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
+
+    # 3. 保存结果图
+    if save_image(output_image_path, img):
+        print(f"--- 测试完成 ---")
+        print(f"结果已保存至: {output_image_path}")
+        print(f"请检查该图片中的绿框是否准确圈定了‘价格信息’板块及其左侧区域。")
+    else:
+        print("错误: 结果图保存失败。")
+
+if __name__ == "__main__":
+    test_price_box_detection()

Util/EasyOcrKit.py

@@ -0,0 +1,82 @@
+# coding=utf-8
+import easyocr
+import numpy as np
+import cv2
+import logging
+
+logger = logging.getLogger(__name__)
+
+class EasyOcrKit:
+    _instance = None
+    _reader = None
+
+    def __new__(cls, *args, **kwargs):
+        if cls._instance is None:
+            cls._instance = super(EasyOcrKit, cls).__new__(cls)
+        return cls._instance
+
+    def __init__(self, langs=['ch_sim', 'en'], gpu=True):
+        """
+        初始化 EasyOCR Reader
+        :param langs: 识别语言列表
+        :param gpu: 是否使用 GPU
+        """
+        if self._reader is None:
+            try:
+                self._reader = easyocr.Reader(langs, gpu=gpu)
+                logger.info(f"EasyOCR Reader 初始化成功 (gpu={gpu})")
+            except Exception as e:
+                logger.error(f"EasyOCR Reader 初始化失败: {e}")
+                # 如果 GPU 失败，尝试回退到 CPU
+                if gpu:
+                    logger.warning("尝试回退到 CPU 模式...")
+                    self._reader = easyocr.Reader(langs, gpu=False)
+
+    def read_text(self, image):
+        """
+        识别图片中的文字
+        :param image: 图片路径或 OpenCV 图像对象
+        :return: EasyOCR 识别结果列表
+        """
+        if self._reader is None:
+            return []
+        return self._reader.readtext(image)
+
+    def find_text_position(self, image, target_text, threshold=0.5):
+        """
+        在图片中查找特定文本的位置
+        :param image: 图片路径或 OpenCV 图像对象
+        :param target_text: 目标文本
+        :param threshold: 置信度阈值
+        :return: (found_text, quad, probability) 如果没找到则返回 None
+        """
+        results = self.read_text(image)
+        for (quad, text, prob) in results:
+            if target_text in text and prob >= threshold:
+                return text, quad, prob
+        return None
+
+    def get_normalized_rect(self, quad, width, height):
+        """
+        获取归一化的矩形坐标 [x1, y1, x2, y2] (0-1000)
+        :param quad: EasyOCR 返回的四个顶点坐标
+        :param width: 图片宽度
+        :param height: 图片高度
+        :return: [x1, y1, x2, y2]
+        """
+        pts = np.array(quad).astype(int)
+        x_min = np.min(pts[:, 0])
+        y_min = np.min(pts[:, 1])
+        x_max = np.max(pts[:, 0])
+        y_max = np.max(pts[:, 1])
+        
+        return [
+            int(max(0, x_min) * 1000 / width),
+            int(max(0, y_min) * 1000 / height),
+            int(min(width, x_max) * 1000 / width),
+            int(min(height, y_max) * 1000 / height)
+        ]
+
+# 便捷函数
+def get_easyocr_reader(gpu=True):
+    return EasyOcrKit(gpu=gpu)