这是一个艰难的过程：
我需要能够在屏幕上找到单词的位置和大小（其框架）（第一次出现就足够了，从那里我应该可以得到下一个）。
例如，我希望能够检测（但不限于）Word，Excel和PowerPoint for Mac，以及Safari和其他语言中的单词位置。
解决方案应尽快。我应该能够每秒至少找到5-6个字，并使用尽可能少的CPU时间。
到目前为止，我的想法是：
窗口的屏幕快照/图形上下文中的OCR（可在Mac OS X 10.4上运行并且可以在商业产品中使用的任何良好的开放源代码框架？）。 Evernote非常擅长于发现图像中的单词。我不知道它是使用定制的内部引擎还是开放源代码/商业引擎，但是如果这是一种“有效”的解决方案，那将是我想使用的那种引擎。理想情况下，我将在活动应用程序的窗口中检测单词的框架（如何获取另一个应用程序的框架？）。
在Quartz文本绘制上获取某种“钩子”，并在绘制单词时拦截单词的位置（乍看之下似乎不太可行！）。
AppleScript，但这在很大程度上取决于应用程序提供的API（我认为您无法从我所见的Word文档中获得单词的坐标），而且速度很慢。
...出于想法...
我的目标是根据包含段落文本的字符串，以正确的顺序获取段落中所有单词的框架。
预先感谢您的任何提示！
最佳答案
首先，您可能要看一下QuickCursor's code。它通过AX Accessibility APIs从许多不同的应用程序中检索文本。现在，它不会抓住单词的像素位置，但至少会返回与该UI元素中的文本关联的NSString。当然，这意味着相关应用必须支持这些API。我不知道MS Office套件是否会。此外，它仅支持可编辑的元素，因此Safari中无法编辑的网页也不起作用。但这可能为您提供一些想法的起点。
看一下QCUIElement.{m,h}，然后在QCAppDelegate.m（beginQuickCursorEdit:）中实现...他抽象的QCUIElement的实现似乎很简单：
QCUIElement *focusedElement = [QCUIElement focusedElement];
id value = focusedElement.value;
编辑：啊哈！签出辅助功能检查器示例代码：UIElementInspector。它实际上可以获取页面上元素的AXPosition。现在，这不是一个字一个字，而是我们越来越近了。它会告诉您文本块的x，y位置以及该文本块中包含的单词。