刷小红书你大概有过这种感觉：一篇笔记干货满满，步骤、清单、书单写得清清楚楚，可你想把它存下来，复制正文却只拿到一句"详细步骤见图"。抖音的图文合集和商品卡也一样——字看得到，复制不出来。小红书和抖音的配图文案提取（OCR）用法一致，本文以小红书为例，抖音操作相同。
现在小红书的图文笔记越来越习惯把核心信息做成图片卡片——分步骤的教程、按价格排的好物清单、一整页书单、产品参数对比，全是图。正文反而只写一两句话引导你往下翻。对读者来说排版好看、信息集中。但对做内容拆解、二创或归档的人来说，麻烦就来了：字看得到，复制不出来。
图片里的文字，到底怎么提出来
把图片上的文字转成可复制文本，说白了是一道 OCR（光学字符识别）题：给一张图，识别上面的文字，输出纯文本。难点不在识别本身，而在于小红书一篇图文封面加配图常有10多张，你得对每一张都识别，再把结果归拢到一起，还要和这篇笔记的标题、正文对上号。
目前能做这件事的路子大致有几种，各有各的妥协。
手机自带的截图取字最顺手。iPhone 长按图片、安卓的智能识屏，对单张图很方便，但一次只能处理一张，没法批量，更没法和笔记的标题、正文、评论合并归档。
各种在线 OCR 网站是第三条路。零散用还行，量一大就要排队、看广告或付费，而且图片得你自己一张张存下来再上传，又绕回手动的老路。
三条路要么卡在批量，要么卡在准确度，要么卡在还得手动搬图片。问题其实是同一个：图片文字和你已经在采集的那批笔记数据是脱节的。
用 MediaClaw 的配图文案提取，把图片文字回填到采集记录
如果你本来就在用插件采集小红书笔记，图片文字这件事可以顺手在同一个流程里解决。MediaClaw 从 V0.1.8 起，插件本体内置了配图文案提取（OCR）：对一篇图文笔记的封面和每一张配图做 OCR，把图片里的文字识别出来，结果直接回填到这条笔记的采集记录里。
先交代一个前提。用插件采集到的笔记，默认只有标题、正文、互动数据、评论和媒体链接——也就是平台正文层面能拿到的东西，图片里的文字不在其中。配图文案提取补的就是这块：识别完成后，原本散在图片里的步骤、书单、价格、参数，会作为文本写回这条记录，让单篇笔记变成一份完整的原数据。
回填之后，这些图片文字和笔记其他字段在一起：查看时直接读到，复制时整段带走，导出 CSV 或 Markdown 时图片文案跟着出来，同步飞书多维表格时一并带过去。要强调的是，这套原数据建在插件本体里，不依赖飞书——飞书只是众多下游同步去处之一，你不开飞书也能用、能导出。
操作不复杂，三步：
- 在插件侧边栏对当前这篇图文笔记触发采集，拿到标题、正文、媒体链接等基础数据
- 对这条记录执行配图文案提取，插件会对封面和每张配图逐一做 OCR
- 识别结果回填记录，之后照常查看、复制、导出 CSV/Markdown 或同步飞书
抖音那边逻辑一样，抖音图文文案提取对合集图、商品卡同样逐张识别，图文和视频的原数据也支持这样补齐。两个平台都在做的话，同一套方式就能覆盖，不用换工具。想先把采集这步跑顺，可以从小红书笔记采集或抖音视频采集开始，采几篇再谈识别。
提完之后，这些文字能拿来做什么
把图片文字提出来只是第一步，它进了采集记录之后才真正有用。
最常见的是归档。一篇图片版书单笔记，OCR 之后整份书单变成可搜索文本，导出 Markdown 存进资料库，以后想找哪本书全文检索就行，不用再翻图。二创和拆解同理，把对标账号那些做成卡片的步骤、话术提成文字，你才能逐句分析它的结构、用了哪些词。说到词，小红书封面其实是埋词的重要位置，想顺带研究爆款封面都写了什么，可以看这篇小红书关键词布局攻略里讲的封面 OCR 埋词思路。
处理的如果是视频口播而不是图片文字，那是另一套方案：视频要提的是逐字稿。插件本体同样能一键提取小红书视频逐字稿，并输出带时间戳的分句节奏稿，方便对视频整体节奏做分析；想配合飞书多维表格和阿里百炼的免费额度跑，可以看短视频逐字稿提取那篇。图片文字和视频逐字稿这两件事，正好覆盖图文和视频两种笔记的原数据补齐。
想把整套流程跑通，先安装 MediaClaw 插件采几篇笔记，挑一篇图文触发配图文案提取，看看图里的书单或价目表识别得准不准，再决定要不要批量处理你那批对标笔记。采集和导出 Excel/CSV 这两步免费，可以先跑通再说——OCR 用得上再开。
常见问题
小红书把干货做成图片，怎么把图片里的文字提取出来？ 对图片做 OCR 就行。用 MediaClaw 采集这篇笔记后，对它执行配图文案提取，插件会对封面和每张配图逐一识别，把文字回填到采集记录，之后直接复制或导出。OCR 属于付费能力，按额度计费；采集和导出 Excel/CSV 本身免费。
封面和配图上的文字，能不能批量提取成可复制的文本？ 可以。配图文案提取会对一篇笔记的封面加每一张配图都识别，不是只识别一张，结果作为文本写回记录，导出 CSV 或 Markdown 时一并带出，方便整段复制和全文检索。
飞书多维表格自带的图片识别免费，为什么还要用插件的 OCR？ 飞书自带的免费但准确率不稳，复杂图、艺术字、竖排文案容易出别字，提价格、书名、参数时错一个字就得返工。MediaClaw 的配图文案提取调用付费模型，识别更准。区别就是免费但不一定准，和付费但更准之间的取舍——内容敏感就选后者。
抖音图文的图片文字也能提取吗？ 能。抖音侧同样支持图文和视频的原数据补齐，配图文案提取的用法和小红书一致，两个平台用同一套流程就能覆盖。
