我正在尝试为Linux创建一个脚本，该脚本将检测文本光标所在的位置。此操作最多应在1秒内完成。为了实现这一点，最好的解决方案似乎是通过xdotool以编程方式添加一些文本，通过其他实用程序进行屏幕截图，尝试找出该文本的位置，然后删除我们已经再次使用xdotool插入。
我尝试插入随机字符串（例如<-- CURSOR HERE）。使用Tesseract 4，大约需要20秒才能找到字符串的位置，尽管就像素坐标而言非常精确。我无法使用白名单（在Tesseract的版本4中）将结果仅缩小到特定的字母或数字，我认为这会加快处理速度。
我不知道用户将使用哪种字体，但是每种字体都有破折号和斜杠，因此我可以创建某种形状（例如|/\|/\|/\|/\|），并使用一些库来检测该形状形状。什么是一个好选择？
我不在乎屏幕的其余部分：它可能是更多的文本，图像等。我只需要知道随机字符串在哪里（<-- CURSOR HERE，|/\|/\|/\|/\|，或您还能想到其他什么），并获得其X / Y像素位置。