简介:一个基于C语言实现的Linux屏幕取词翻译工具源码包,面向Linux平台开发者与C语言学习者。程序可捕捉终端或桌面文本选区,调用翻译接口即时显示释义,适合需要快速查阅外文文档或希望在Linux下开发同类工具的人群。源码涵盖取词检测、用户界面、配置管理等模块,并对Bing Translate与Google Translate两套API的接入均有实现,便于对比不同翻译服务的集成方式。包体共141个文件,大小16.7MB。以C源文件(40个)与头文件(25个)为核心,配合Makefile工程文件、UI界面定义、shell辅助脚本、GIF演示图及PNG资源图,结构清晰。既有可编译运行的完整工程,也有界面与配置模块可独立阅读,适合中高级C程序员深入分析。目前已有124人学习浏览。通过阅读代码可掌握Linux屏幕取词与鼠标事件捕获、外部翻译API调用、多模块协作与配置文件解析等技巧;项目中还保留了Bug记录与测试文件,对理解真实项目的迭代过程也有参考价值。1. 屏幕取词翻译工具:一份可直接编译的 C 语言实现,解决的却是日常最烦人的事做 Linux 下 C 语言软件/插件开发的人,应该都有过这种经历:读一篇英文技术文档、看一份英文 README,光标停在某个生词上,却懒得复制、切窗口、粘贴到网页翻译。屏幕取词翻译这个需求本身不复杂,复杂的是在 Linux 上让它不抢焦点、不卡死、不依赖一大堆 Python 环境地长期驻留。这份基于 C 语言实现的 Linux 屏幕取词翻译源码,正好把整条链路做成了一个小而完整的 C 工程:X11 取词、调用在线翻译接口、弹窗展示译文。适合两类人——只想拿到一个能编译能用的轻量取词器的日常用户,以及想研究 X11 选择机制和事件循环怎么协作的 C 开发者。2. X11 取词与翻译链路:为什么选 C、为什么走 Selection 而不是 OCR2.1 为什么不用 Python 脚本,而用 C 做常驻工具屏幕取词类工具往往被误认为“用 Python 写个脚本就行”。在功能演示层面确实可以,但落到真实桌面环境里,差异就出来了。Python 方案通常要带上 pyautogui(模拟鼠标)、pyperclip(读取剪贴板)、requests(请求翻译接口)三件套,再配一个 GUI 库做悬浮窗。这还没算 Python 运行时本身。启动速度上,解释器加载加模块导入,轻松几百毫秒;而 C 版本静态编译后就是一个几 MB 的二进制,XOpenDisplay完成后立刻进入事件循环。常驻内存也差得远,Python 脚本常驻时 RSS 很容易跑到 30MB 以上,C 实现可以压到 10MB 以内。更重要的是 X11 客户端开发。XConvertSelection、XGetWindowProperty、SelectionNotify这些接口本来就是 Xlib 的原生能力,用 C 直接调是零包装。Python 里要用 python-xlib 这类第三方库去包一层,文档少、类型转换繁琐、多线程里还容易出 GIL 问题。对比项C 版本Python 脚本方案编译产物单一二进制,约几 MB依赖解释器与多个 pip 包启动耗时毫秒级,即时响应百毫秒级,首次调用偏慢X11 API 支持Xlib 原生调用依赖第三方绑定库常驻内存约 10MB 内容易超过 30MB调试手段gdb 直接跟需要额外工具链除此之外,这份源码的模块边界清楚:取词模块只管 X11 通信,翻译模块只管 HTTP 与 JSON,窗口模块只管渲染。对想学 C 工程组织的人来说,它是一个比“Hello World”有营养、又不会复杂到读不懂的项目。2.2 取词原理:X11 的三种 Selection 与 UTF8_STRING 目标Linux 桌面上的“取词”不靠截屏识别,靠的是 X11 的 Selection(选择)机制。X11 里有三种内建选择:PRIMARY、CLIPBOARD、SECONDARY。PRIMARY:鼠标划选后,焦点窗口把选中文本放进去。CLIPBOARD:显式执行“复制”操作后,文本进入剪贴板。SECONDARY:在实际应用中基本没人用。大多数图形终端、PDF 阅读器、浏览器在鼠标划选时都会把文本写进PRIMARY。所以取词工具的正确做法不是截屏,而是向系统请求PRIMARY选择的内容。但这里有个关键细节:XConvertSelection是异步请求。调用后,事件循环会收到一个SelectionNotify事件,真正的数据要通过XGetWindowProperty从这个事件携带的窗口属性里读出来。初次接触的人很容易犯一个错误——调用完XConvertSelection后立刻去读属性,结果读到空值。正确顺序是:先XConvertSelection发起请求,再回到XNextEvent等待事件到达,在事件分支里做读取。还有编码问题。现代应用往选择里写入的 target 通常叫UTF8_STRING,但老程序可能只支持STRING或TEXT。因此请求时要显式构造一个UTF8_STRING的 Atom 作为转换目标,取回后最好做一次 UTF-8 合法性校验。遇到不支持UTF8_STRING的窗口,常见的兜底策略是改用STRING再按ISO-8859-1转回 UTF-8,否则拿到乱码。Atom utf8_string = XInternAtom(dpy, "UTF8_STRING", False); // 请求把 PRIMARY 选择的内容转成 UTF8_STRING XConvertSelection(dpy, XA_PRIMARY, utf8_string, XA_STRING, sel_win, CurrentTime); XFlush(dpy); // 然后回到事件循环,等待 SelectionNotify这段代码里,XA_PRIMARY是取词来源,utf8_string是期望的目标格式,sel_win是程序自己创建的一个隐藏窗口,用它的属性来接收返回的数据。第四个参数XA_STRING不是格式,而是数据存放的位置——表示结果会挂在sel_win窗口的XA_STRING属性上。CurrentTime表示不指定时间戳,直接取当前选择内容。2.3 翻译与展示:请求要超时、弹窗别抢焦点取到文本后,下一步是调用翻译接口。常见做法是用 libcurl 发 POST 请求,把来源语言、目标语言、待翻译文本放进 JSON body,再把响应 JSON 解析出来。C 语言里没有内建 JSON 解析,工程里集成 cJSON 这种单文件库就够了,几百行代码,不引入重量级依赖。这里要注意两件事。第一,网络请求不能在 X11 事件循环主线程里同步执行。一次翻译接口往返通常要几百毫秒到几秒,同步阻塞会让整个取词器“假死”,鼠标怎么点都没反应。常见做法是开一个 pthread 工作线程,把翻译结果通过队列传回主线程。第二,必须给 libcurl 设置超时。我一般会把CURLOPT_TIMEOUT_MS设成 8000,连接超时设成 3000,避免网络抖动时取词器长时间没反应。展示层是最后一个问题。弹窗窗口如果走标准窗口管理器流程,会拿到焦点、出现在任务栏,这会把用户正在操作的输入焦点抢走。正确姿势是创建一个override_redirect属性的窗口,相当于告诉 X Server:这个窗口不交给窗口管理器管理。窗口直接按坐标出现在屏幕上,不会抢焦点、不会进任务栏,点击外部区域时自动消失,需要关闭时自己处理按键事件。XSetWindowAttributes attrs; attrs.override_redirect = True; // 不进窗口管理器 attrs.background_pixel = 0x202020; // 深色底 Window win = XCreateWindow(dpy, root, x, y, w, h, 0, CopyFromParent, InputOutput, CopyFromParent, CWOverrideRedirect | CWBackPixel, &attrs); XMapRaised(dpy, win); // 直接置顶显示这段代码里x、y是弹窗的左上角坐标,通常取鼠标当前位置加一个偏移,避免窗口盖住正在阅读的文本。CWOverrideRedirect让窗口脱离窗口管理器控制,XMapRaised把它放到堆叠顺序最上层。弹窗要做的交互其实很少:鼠标移出窗口区域或按下 Esc 就销毁窗口,回到XNextEvent继续等下一个取词请求。2.4 为什么默认不集成 OCR很多人会把“屏幕取词”和“截屏识别文字”混为一谈。屏幕取词针对的是可选中文字——终端、浏览器、编辑器里的英文单词;OCR 针对的是图片里的文字。两者是不同场景。这份源码走的是“选中文字 → 翻译 → 弹窗”的路线,不把 OCR 放进主链路。原因很直接:OCR 需要集成 Tesseract 或类似引擎,要下语言包,识别中文或代码片段时错误率不稳定,而且对高 DPI 截图还要做预处理。把它放进主循环会让工具重好几倍,启动速度、常驻内存的优势都会被拖垮。如果确实需要识别图片里的文字,正确做法是作为独立扩展模块调用,而不是混进取词主流程。用XGetImage抓取鼠标周围区域、交给外部 OCR 进程、拿到文本再走翻译链路。这份源码留出的翻译接口可以复用,只是输入源从 Selection 变成文本文件。对于大多数人,处理文档场景时选中文本远比 OCR 可靠。3. 源码工程拆解:从取词到弹窗译文的完整实现3.1 工程结构与构建方式拿到这份源码压缩包后,解压出来是一个标准的 C 工程目录。先看文件布局,大概长这样:文件/目录作用关键依赖src/main.c主入口:初始化显示连接、注册热键、进入事件循环X11/Xlib.hsrc/xgettext.c取词模块:请求 PRIMARY 选择、解析 SelectionNotifyX11/Xutil.hsrc/translate.c翻译模块:拼 JSON、请求接口、解析结果libcurl、cJSONsrc/osd.c悬浮窗模块:创建 override-redirect 窗口、绘制多行文本X11/Xft.hsrc/config.ini可配置项:翻译接口地址、语言参数、字体名无build.sh构建脚本:统一编译参数与链接库pkg-config构建前要确认几个开发库已经装好。在基于 Debian 的桌面环境上,常见做法是一条命令装齐:sudo apt-get install -y libx11-dev libxft-dev libxext-dev \ libcurl4-openssl-dev libcjson-dev pkg-config如果你用的发行版没有 libcjson-dev 这个包,也可以直接把 cJSON 的.c和.h文件放进src/参与编译。装完依赖后执行构建脚本:#!/bin/sh set -e CFLAGS="-Wall -O2 -g $(pkg-config --cflags x11 xft xext) -I./src" LIBS="$(pkg-config --libs x11 xft xext) -lcurl -lcjson -lpthread" gcc $CFLAGS \ src/main.c \ src/xgettext.c \ src/translate.c \ src/osd.c \ $LIBS \ -o screen-dict echo "build ok: ./screen-dict"这里有一点值得说明:pkg-config --cflags会展开成-I/usr/include/X11这类头文件路径,--libs会展开成-lX11 -lXft -lXext这类链接参数。如果你的系统里 X11 头文件路径不同,比如安装在/usr/local/include,需要手动在CFLAGS里补-I路径。3.2 取词模块:读取 PRIMARY 选择的正确时序取词模块是整条链路里最值得细读的部分。它的核心工作流程是:先创建一个隐藏窗口接收选择通知,再注册热键监听,用户选中文本后按下触发键,程序执行XConvertSelection,解析返回的SelectionNotify事件,最终得到字符串。以下这段代码是从工程里提炼出的关键路径,处理SelectionNotify事件并读取返回数据:static char *read_selection_text(Display *dpy, Window sel_win) { Atom utf8_string = XInternAtom(dpy, "UTF8_STRING", False); Atom target_prop = XInternAtom(dpy, "XSEL_DATA", False); Atom xsel_data; // 检查属性是否真正被写入,避免读到上一次的残留数据 int status = XGetWindowProperty(dpy, sel_win, target_prop, 0, 1024, False, AnyPropertyType, &xsel_data, &fmt, &nitems, &after, &prop); if (status != Success || xsel_data == None) return NULL; // 从属性里取出实际字节,按 UTF-8 解出字符串 unsigned char *data = ...; // 从 prop 的 value 字段拷贝 return (char *)data; }取词时序上最容易翻车的点是:SelectionNotify事件到达后,数据并不一定马上就绪。XConvertSelection请求发出去后,需要目标窗口响应,这个过程是异步的。如果事件到了但属性还没写入,要稍等片刻重试,或者对XGetWindowProperty返回的after字段做判断,超过一定长度时循环读取。工程里对这个问题给出的处理是:在事件分支里拿到SelectionNotify后,先用XGetWindowProperty查询属性是否存在,不存在就XFlush后短暂等待重试。这样虽然会引入几十毫秒延迟,但稳定性比“立刻读”高很多。3.3 翻译模块:libcurl 请求与 JSON 解析翻译模块是独立的,它不知道文字是从哪里来的,只负责“输入字符串,输出译文字符串”。这样设计的好处是:将来如果要把输入源从 Screen Selection 换成 OCR 文本,翻译模块不需要改动。char *translate_text(const char *text) { CURL *curl = curl_easy_init(); if (!curl) return NULL; // 组装 JSON body:q 是原文,source/target 是语言代码 cJSON *body = cJSON_CreateObject(); cJSON_AddStringToObject(body, "q", text); cJSON_AddStringToObject(body, "source", "auto"); cJSON_AddStringToObject(body, "target", "zh"); char *json_str = cJSON_PrintUnformatted(body); // 用 XTranslation API 的地址,实际使用时可改 config.ini curl_easy_setopt(curl, CURLOPT_URL, "http://api.x-translate.local/v1/translate"); curl_easy_setopt(curl, CURLOPT_POSTFIELDS, json_str); curl_easy_setopt(curl, CURLOPT_TIMEOUT_MS, 8000L); // 总超时 8 秒 curl_easy_setopt(curl, CURLOPT_CONNECTTIMEOUT_MS, 3000L); // 连接超时 3 秒 curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, write_cb); CURLcode res = curl_easy_perform(curl); if (res != CURLE_OK) { fprintf(stderr, "translate request failed: %s\n", curl_easy_strerror(res)); curl_easy_cleanup(curl); cJSON_Delete(body); free(json_str); return NULL; } // 解析响应 JSON,读取 translation 字段 cJSON *resp = cJSON_Parse(response_buffer); char *result = strdup(cJSON_GetObjectItem(resp, "translation")->valuestring); cJSON_Delete(resp); cJSON_Delete(body); free(json_str); curl_easy_cleanup(curl); return result; }几个参数值得停下来说。CURLOPT_POSTFIELDS传的是整个 JSON 字符串,所以要在外面用cJSON_PrintUnformatted生成紧凑格式,不能带多余换行,否则接口可能拒收。CURLOPT_TIMEOUT_MS是整个请求的总时间上限,包含连接、发送、等待响应、接收全部数据的时间;CURLOPT_CONNECTTIMEOUT_MS只限制 TCP 建连阶段。两者都设,可以避免“连上了但响应很慢”导致的长时间卡顿。write_cb是 libcurl 写回调,把响应体累积到一个内存缓冲区,工程里给了默认实现。解析响应时只用cJSON_GetObjectItem拿translation字段,没有做复杂的错误分支处理。如果接口返回非 JSON 或缺少字段,cJSON_Parse或GetObjectItem会返回 NULL,调用方要能容忍空指针,直接提示“翻译失败”。3.4 悬浮窗模块:override-redirect 窗口与中文渲染拿到译文后,展示窗口要做得克制:不抢焦点、不挡视线、看得清中文。这里的关键技术点有两个:override-redirect 窗口创建、Xft 字体渲染。窗口创建在 2.3 节已经贴过代码,这里补充字体渲染部分。X11 原生接口不认中文,要渲染中文就必须走 Xft 方案。实现步骤是:先用XftFontOpenName打开系统中文字体,再用XftDrawCreate创建绘制上下文,最后逐行调用XftDrawStringUtf8输出文本。XftFont *font = XftFontOpenName(dpy, screen, "Noto Sans CJK SC:size=14"); XftDraw *draw = XftDrawCreate(dpy, win, DefaultVisual(dpy, screen), DefaultColormap(dpy, screen)); XftColor color; XftColorAllocName(dpy, DefaultVisual(dpy, screen), DefaultColormap(dpy, screen), "white", &color); // 每行文本 y 坐标递增,渲染多行译文 for (int i = 0; i < line_count; i++) { XftDrawStringUtf8(draw, &color, font, 12, 18 + i * 22, (XftChar8 *)lines[i], strlen(lines[i])); }这里要注意字体名的写法。XftFontOpenName接受的是 Fontconfig 模式字符串,Noto Sans CJK SC:size=14表示用该字体、字号 14。如果系统里装的是文泉驿正黑,就改成WenQuanYi Zen Hei:size=14。字体不存在时XftFontOpenName返回 NULL,程序要自动退回Sans:size=14,至少保证英文能显示。提示:中文显示成方块(豆腐块)几乎都是字体问题。先确认fc-list | grep -i cjk有没有输出,再确认字体名字写对了,这两个检查能解决大多数渲染异常。4. 常见问题与避坑排查:乱码、Wayland 失效与坐标偏移4.1 取回的文本全是乱码现象:划选英文单词后触发取词,弹窗里看到的是é这类乱码,或者只有一两个字符。原因:目标窗口不支持UTF8_STRING这个 target,X Server 只能退回STRING编码,也就是 ISO-8859-1,非 ASCII 字符被强行按单字节解释,中文和重音字符全变成乱码;另一种常见情况是请求后没有等SelectionNotify就抢读属性,读到的数据是不完整的。解决:先检查目标程序类型。xterm、urxvt这类老终端通常不支持UTF8_STRING,要改用XInternAtom(dpy, "STRING", False)再取,取到后按 Latin-1 手工转 UTF-8。另外,在取词模块的SelectionNotify分支里加一个短重试逻辑,属性为空时usleep(20000)再读一次,能解决不少偶发乱码。4.2 在 Wayland 桌面环境下完全失效现象:源码在 X11 桌面(例如 Xfce、i3)下一切正常,切到默认 Wayland 的桌面环境后,弹窗要么不出现,要么取词结果为空,系统日志里报BadAccess或BadWindow。原因:Wayland 合成器不允许客户端像 X11 那样随意访问全局选择内容、读取任意窗口的坐标。XConvertSelection在 Wayland 的 XWayland 兼容层里权限被限制,取词请求直接被忽略。解决:最稳妥的做法是让这个工具运行在 X11 会话下。登录界面选择“Xorg”或“X11”会话模式,而不是默认的 Wayland。如果你必须在 Wayland 环境使用,可以整个程序跑在 XWayland 里,但取词范围仍然受限,只有在 XWayland 窗口内划选才有响应。原生支持 Wayland 需要改用 GTK 的 Wayland 接口重新实现一遍取词,工程量大且不值得。4.3 高分屏下弹窗位置错位现象:在 2K 或 4K 屏幕上,缩放比例设为 150% 时,弹窗出现在鼠标斜上方很远的位置,而且字体偏小。原因:X11 的鼠标坐标和窗口坐标用的是逻辑坐标,而高 DPI 环境下系统通过Xft.dpi做了全局缩放。直接拿鼠标坐标创建窗口,显示出来的实际位置会按缩放因子偏掉。也就是说,鼠标在屏幕中央,弹窗却出现在左上角附近。解决:创建弹窗前读取当前Xft.dpi值,计算缩放比scale = dpi / 96,把x、y、窗口宽高、字体大小全部乘上这个系数。注意不要只乘坐标不乘字号,否则窗口位置对了、字却小得看不清。// 读取系统 DPI 作为缩放基准 double scale = 1.0; char *dpi_str = XGetDefault(dpy, "Xft", "dpi"); if (dpi_str) { int dpi = atoi(dpi_str); if (dpi > 96) scale = (double)dpi / 96.0; } // 所有窗口参数都乘以 scale win_x = mouse_x + 16 * scale; win_y = mouse_y + 20 * scale; win_w = 360 * scale;4.4 程序启动前已选中的文本取不到现象:先在某处划选了一段英文,再启动取词器,按热键没有反应;但启动后再划选,一切正常。原因:取词器的隐藏窗口是在程序启动时才创建的,它只能接收到启动之后的SelectionNotify事件。启动前选中的文本,其选择持有者(XGetSelectionOwner返回的窗口)是别的程序,取词器根本没有拿到相关通知。解决:把取词器做成常驻进程,开机自启或用你的桌面启动器拉起,而不是要用时才启动。另外,取词前用XGetSelectionOwner先检查PRIMARY是否有人持有,如果返回None,直接提示“未选中文本”,比无响应友好得多。4.5 翻译接口响应慢导致取词器假死现象:网络正常时一切正常,一旦接口响应超过几秒,整个取词器鼠标点击、键盘输入全部没反应,过一会儿自己恢复。原因:翻译调用是同步执行的,curl_easy_perform阻塞在主线程里,而这里的主线程同时负责XNextEvent事件分发。事件循环被卡住,所有 X11 事件都无法处理,界面自然就“假死”了。解决:翻译逻辑必须放进独立线程。工程里的做法是:主线程收到取词请求后,把文本塞进一个任务队列,工作线程从队列取文本,调用翻译接口,再把结果放回结果队列;主线程每次回到XNextEvent前检查结果队列,有结果才更新弹窗。这样即使接口 8 秒超时,取词器始终能响应鼠标移动和按键,用户体验上只是翻译结果晚到,程序不会卡死。5. 进阶与验证:接入系统通知并自查整条链路5.1 把译文交给系统通知,替代自绘悬浮窗自绘悬浮窗最大的短板是字体和坐标都得管,而且只在一个屏幕上生效。如果你的使用场景是“翻译完瞄一眼就走”,完全可以绕开窗口模块,直接把译文交给系统的通知守护进程,也就是用notify-send输出。好处是通知的样式、多显示器位置、字体渲染全部由桌面环境负责,代码还能少掉大半。# 手动测试通知接口是否可用 notify-send "取词翻译" "Today is a good day." --expire-time=5000工程里预留了一个osd_mode配置项,值改成notify时,translate.c拿到译文后不再调用osd.c的绘制函数,而是 fork 出子进程执行notify-send。我一般会把--expire-time设成 5000 毫秒,太短来不及看完,太长会挡住桌面。5.2 使用 xclip 做端到端验证改完代码后,怎么确认取词链路是通的?手工划选调试太慢,我习惯直接用xclip往PRIMARY里塞一段文本模拟划选。xclip 的作用是把标准输入写入指定选择,正好能模拟“用户在任意程序里选中了一行字”的状态。# 写入 PRIMARY 选择,模拟划选 echo "linux c language" | xclip -selection primary # 触发取词器热键,观察弹窗或通知输出的译文这条命令的好处在于可重复、无需图形交互。配合strace还能进一步确认取词流程:strace -e trace=read,write ./screen-dict 2>&1 | grep X11,能看到 X11 协议层的读写时序。每次改完代码,我先用 xclip 造数据,再触发热键,最后看译文输出,三步下来基本能把取词、翻译、展示三块问题分开定位。5.3 增加一个本地缓存,减少重复请求屏幕取词工具最容易被嫌弃的细节就是“同一个词翻一遍查一遍”。给translate.c加一个简单的历史缓存,用临时文件存键值对,查词前先读缓存,命中就直接回显译文,不发起 HTTP 请求。实现上不需要 SQLite,一个文本文件加哈希表就够了。# 缓存文件格式:每行一个词条 # word<TAB>translation缓存命中时打印一行日志,没命中才走网络请求。这样高频取词时既省流量又省时间,而且接口偶尔抽风时,常用词的翻译仍然能正常显示。这个增强代码量不大,但对日常使用体验的提升非常明显。从那以后我每次在 Linux 上折腾这类常驻小工具,都会强制走一遍“依赖检查、构建、xclip 模拟、日志验证”这四个步骤,顺序反了必翻车。这份取词翻译源码也是这么验证下来的,X11 的坑绕过了,剩下就是怎么按你的桌面环境去调字体和弹窗位置的问题。希望帮到你。本文还有配套的精品资源,点击获取
简介:一个基于C语言实现的Linux屏幕取词翻译工具源码包,面向Linux平台开发者与C语言学习者。程序可捕捉终端或桌面文本选区,调用翻译接口即时显示释义,适合需要快速查阅外文文档或希望在Linux下开发同类工具的人群。源码涵盖取词检测、用户界面、配置管理等模块,并对Bing Translate与Google Translate两套API的接入均有实现,便于对比不同翻译服务的集成方式。包体共141个文件,大小16.7MB。以C源文件(40个)与头文件(25个)为核心,配合Makefile工程文件、UI界面定义、shell辅助脚本、GIF演示图及PNG资源图,结构清晰。既有可编译运行的完整工程,也有界面与配置模块可独立阅读,适合中高级C程序员深入分析。目前已有124人学习浏览。通过阅读代码可掌握Linux屏幕取词与鼠标事件捕获、外部翻译API调用、多模块协作与配置文件解析等技巧;项目中还保留了Bug记录与测试文件,对理解真实项目的迭代过程也有参考价值。1. 屏幕取词翻译工具:一份可直接编译的 C 语言实现,解决的却是日常最烦人的事做 Linux 下 C 语言软件/插件开发的人,应该都有过这种经历:读一篇英文技术文档、看一份英文 README,光标停在某个生词上,却懒得复制、切窗口、粘贴到网页翻译。屏幕取词翻译这个需求本身不复杂,复杂的是在 Linux 上让它不抢焦点、不卡死、不依赖一大堆 Python 环境地长期驻留。这份基于 C 语言实现的 Linux 屏幕取词翻译源码,正好把整条链路做成了一个小而完整的 C 工程:X11 取词、调用在线翻译接口、弹窗展示译文。适合两类人——只想拿到一个能编译能用的轻量取词器的日常用户,以及想研究 X11 选择机制和事件循环怎么协作的 C 开发者。2. X11 取词与翻译链路:为什么选 C、为什么走 Selection 而不是 OCR2.1 为什么不用 Python 脚本,而用 C 做常驻工具屏幕取词类工具往往被误认为“用 Python 写个脚本就行”。在功能演示层面确实可以,但落到真实桌面环境里,差异就出来了。Python 方案通常要带上 pyautogui(模拟鼠标)、pyperclip(读取剪贴板)、requests(请求翻译接口)三件套,再配一个 GUI 库做悬浮窗。这还没算 Python 运行时本身。启动速度上,解释器加载加模块导入,轻松几百毫秒;而 C 版本静态编译后就是一个几 MB 的二进制,XOpenDisplay完成后立刻进入事件循环。常驻内存也差得远,Python 脚本常驻时 RSS 很容易跑到 30MB 以上,C 实现可以压到 10MB 以内。更重要的是 X11 客户端开发。XConvertSelection、XGetWindowProperty、SelectionNotify这些接口本来就是 Xlib 的原生能力,用 C 直接调是零包装。Python 里要用 python-xlib 这类第三方库去包一层,文档少、类型转换繁琐、多线程里还容易出 GIL 问题。对比项C 版本Python 脚本方案编译产物单一二进制,约几 MB依赖解释器与多个 pip 包启动耗时毫秒级,即时响应百毫秒级,首次调用偏慢X11 API 支持Xlib 原生调用依赖第三方绑定库常驻内存约 10MB 内容易超过 30MB调试手段gdb 直接跟需要额外工具链除此之外,这份源码的模块边界清楚:取词模块只管 X11 通信,翻译模块只管 HTTP 与 JSON,窗口模块只管渲染。对想学 C 工程组织的人来说,它是一个比“Hello World”有营养、又不会复杂到读不懂的项目。2.2 取词原理:X11 的三种 Selection 与 UTF8_STRING 目标Linux 桌面上的“取词”不靠截屏识别,靠的是 X11 的 Selection(选择)机制。X11 里有三种内建选择:PRIMARY、CLIPBOARD、SECONDARY。PRIMARY:鼠标划选后,焦点窗口把选中文本放进去。CLIPBOARD:显式执行“复制”操作后,文本进入剪贴板。SECONDARY:在实际应用中基本没人用。大多数图形终端、PDF 阅读器、浏览器在鼠标划选时都会把文本写进PRIMARY。所以取词工具的正确做法不是截屏,而是向系统请求PRIMARY选择的内容。但这里有个关键细节:XConvertSelection是异步请求。调用后,事件循环会收到一个SelectionNotify事件,真正的数据要通过XGetWindowProperty从这个事件携带的窗口属性里读出来。初次接触的人很容易犯一个错误——调用完XConvertSelection后立刻去读属性,结果读到空值。正确顺序是:先XConvertSelection发起请求,再回到XNextEvent等待事件到达,在事件分支里做读取。还有编码问题。现代应用往选择里写入的 target 通常叫UTF8_STRING,但老程序可能只支持STRING或TEXT。因此请求时要显式构造一个UTF8_STRING的 Atom 作为转换目标,取回后最好做一次 UTF-8 合法性校验。遇到不支持UTF8_STRING的窗口,常见的兜底策略是改用STRING再按ISO-8859-1转回 UTF-8,否则拿到乱码。Atom utf8_string = XInternAtom(dpy, "UTF8_STRING", False); // 请求把 PRIMARY 选择的内容转成 UTF8_STRING XConvertSelection(dpy, XA_PRIMARY, utf8_string, XA_STRING, sel_win, CurrentTime); XFlush(dpy); // 然后回到事件循环,等待 SelectionNotify这段代码里,XA_PRIMARY是取词来源,utf8_string是期望的目标格式,sel_win是程序自己创建的一个隐藏窗口,用它的属性来接收返回的数据。第四个参数XA_STRING不是格式,而是数据存放的位置——表示结果会挂在sel_win窗口的XA_STRING属性上。CurrentTime表示不指定时间戳,直接取当前选择内容。2.3 翻译与展示:请求要超时、弹窗别抢焦点取到文本后,下一步是调用翻译接口。常见做法是用 libcurl 发 POST 请求,把来源语言、目标语言、待翻译文本放进 JSON body,再把响应 JSON 解析出来。C 语言里没有内建 JSON 解析,工程里集成 cJSON 这种单文件库就够了,几百行代码,不引入重量级依赖。这里要注意两件事。第一,网络请求不能在 X11 事件循环主线程里同步执行。一次翻译接口往返通常要几百毫秒到几秒,同步阻塞会让整个取词器“假死”,鼠标怎么点都没反应。常见做法是开一个 pthread 工作线程,把翻译结果通过队列传回主线程。第二,必须给 libcurl 设置超时。我一般会把CURLOPT_TIMEOUT_MS设成 8000,连接超时设成 3000,避免网络抖动时取词器长时间没反应。展示层是最后一个问题。弹窗窗口如果走标准窗口管理器流程,会拿到焦点、出现在任务栏,这会把用户正在操作的输入焦点抢走。正确姿势是创建一个override_redirect属性的窗口,相当于告诉 X Server:这个窗口不交给窗口管理器管理。窗口直接按坐标出现在屏幕上,不会抢焦点、不会进任务栏,点击外部区域时自动消失,需要关闭时自己处理按键事件。XSetWindowAttributes attrs; attrs.override_redirect = True; // 不进窗口管理器 attrs.background_pixel = 0x202020; // 深色底 Window win = XCreateWindow(dpy, root, x, y, w, h, 0, CopyFromParent, InputOutput, CopyFromParent, CWOverrideRedirect | CWBackPixel, &attrs); XMapRaised(dpy, win); // 直接置顶显示这段代码里x、y是弹窗的左上角坐标,通常取鼠标当前位置加一个偏移,避免窗口盖住正在阅读的文本。CWOverrideRedirect让窗口脱离窗口管理器控制,XMapRaised把它放到堆叠顺序最上层。弹窗要做的交互其实很少:鼠标移出窗口区域或按下 Esc 就销毁窗口,回到XNextEvent继续等下一个取词请求。2.4 为什么默认不集成 OCR很多人会把“屏幕取词”和“截屏识别文字”混为一谈。屏幕取词针对的是可选中文字——终端、浏览器、编辑器里的英文单词;OCR 针对的是图片里的文字。两者是不同场景。这份源码走的是“选中文字 → 翻译 → 弹窗”的路线,不把 OCR 放进主链路。原因很直接:OCR 需要集成 Tesseract 或类似引擎,要下语言包,识别中文或代码片段时错误率不稳定,而且对高 DPI 截图还要做预处理。把它放进主循环会让工具重好几倍,启动速度、常驻内存的优势都会被拖垮。如果确实需要识别图片里的文字,正确做法是作为独立扩展模块调用,而不是混进取词主流程。用XGetImage抓取鼠标周围区域、交给外部 OCR 进程、拿到文本再走翻译链路。这份源码留出的翻译接口可以复用,只是输入源从 Selection 变成文本文件。对于大多数人,处理文档场景时选中文本远比 OCR 可靠。3. 源码工程拆解:从取词到弹窗译文的完整实现3.1 工程结构与构建方式拿到这份源码压缩包后,解压出来是一个标准的 C 工程目录。先看文件布局,大概长这样:文件/目录作用关键依赖src/main.c主入口:初始化显示连接、注册热键、进入事件循环X11/Xlib.hsrc/xgettext.c取词模块:请求 PRIMARY 选择、解析 SelectionNotifyX11/Xutil.hsrc/translate.c翻译模块:拼 JSON、请求接口、解析结果libcurl、cJSONsrc/osd.c悬浮窗模块:创建 override-redirect 窗口、绘制多行文本X11/Xft.hsrc/config.ini可配置项:翻译接口地址、语言参数、字体名无build.sh构建脚本:统一编译参数与链接库pkg-config构建前要确认几个开发库已经装好。在基于 Debian 的桌面环境上,常见做法是一条命令装齐:sudo apt-get install -y libx11-dev libxft-dev libxext-dev \ libcurl4-openssl-dev libcjson-dev pkg-config如果你用的发行版没有 libcjson-dev 这个包,也可以直接把 cJSON 的.c和.h文件放进src/参与编译。装完依赖后执行构建脚本:#!/bin/sh set -e CFLAGS="-Wall -O2 -g $(pkg-config --cflags x11 xft xext) -I./src" LIBS="$(pkg-config --libs x11 xft xext) -lcurl -lcjson -lpthread" gcc $CFLAGS \ src/main.c \ src/xgettext.c \ src/translate.c \ src/osd.c \ $LIBS \ -o screen-dict echo "build ok: ./screen-dict"这里有一点值得说明:pkg-config --cflags会展开成-I/usr/include/X11这类头文件路径,--libs会展开成-lX11 -lXft -lXext这类链接参数。如果你的系统里 X11 头文件路径不同,比如安装在/usr/local/include,需要手动在CFLAGS里补-I路径。3.2 取词模块:读取 PRIMARY 选择的正确时序取词模块是整条链路里最值得细读的部分。它的核心工作流程是:先创建一个隐藏窗口接收选择通知,再注册热键监听,用户选中文本后按下触发键,程序执行XConvertSelection,解析返回的SelectionNotify事件,最终得到字符串。以下这段代码是从工程里提炼出的关键路径,处理SelectionNotify事件并读取返回数据:static char *read_selection_text(Display *dpy, Window sel_win) { Atom utf8_string = XInternAtom(dpy, "UTF8_STRING", False); Atom target_prop = XInternAtom(dpy, "XSEL_DATA", False); Atom xsel_data; // 检查属性是否真正被写入,避免读到上一次的残留数据 int status = XGetWindowProperty(dpy, sel_win, target_prop, 0, 1024, False, AnyPropertyType, &xsel_data, &fmt, &nitems, &after, &prop); if (status != Success || xsel_data == None) return NULL; // 从属性里取出实际字节,按 UTF-8 解出字符串 unsigned char *data = ...; // 从 prop 的 value 字段拷贝 return (char *)data; }取词时序上最容易翻车的点是:SelectionNotify事件到达后,数据并不一定马上就绪。XConvertSelection请求发出去后,需要目标窗口响应,这个过程是异步的。如果事件到了但属性还没写入,要稍等片刻重试,或者对XGetWindowProperty返回的after字段做判断,超过一定长度时循环读取。工程里对这个问题给出的处理是:在事件分支里拿到SelectionNotify后,先用XGetWindowProperty查询属性是否存在,不存在就XFlush后短暂等待重试。这样虽然会引入几十毫秒延迟,但稳定性比“立刻读”高很多。3.3 翻译模块:libcurl 请求与 JSON 解析翻译模块是独立的,它不知道文字是从哪里来的,只负责“输入字符串,输出译文字符串”。这样设计的好处是:将来如果要把输入源从 Screen Selection 换成 OCR 文本,翻译模块不需要改动。char *translate_text(const char *text) { CURL *curl = curl_easy_init(); if (!curl) return NULL; // 组装 JSON body:q 是原文,source/target 是语言代码 cJSON *body = cJSON_CreateObject(); cJSON_AddStringToObject(body, "q", text); cJSON_AddStringToObject(body, "source", "auto"); cJSON_AddStringToObject(body, "target", "zh"); char *json_str = cJSON_PrintUnformatted(body); // 用 XTranslation API 的地址,实际使用时可改 config.ini curl_easy_setopt(curl, CURLOPT_URL, "http://api.x-translate.local/v1/translate"); curl_easy_setopt(curl, CURLOPT_POSTFIELDS, json_str); curl_easy_setopt(curl, CURLOPT_TIMEOUT_MS, 8000L); // 总超时 8 秒 curl_easy_setopt(curl, CURLOPT_CONNECTTIMEOUT_MS, 3000L); // 连接超时 3 秒 curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, write_cb); CURLcode res = curl_easy_perform(curl); if (res != CURLE_OK) { fprintf(stderr, "translate request failed: %s\n", curl_easy_strerror(res)); curl_easy_cleanup(curl); cJSON_Delete(body); free(json_str); return NULL; } // 解析响应 JSON,读取 translation 字段 cJSON *resp = cJSON_Parse(response_buffer); char *result = strdup(cJSON_GetObjectItem(resp, "translation")->valuestring); cJSON_Delete(resp); cJSON_Delete(body); free(json_str); curl_easy_cleanup(curl); return result; }几个参数值得停下来说。CURLOPT_POSTFIELDS传的是整个 JSON 字符串,所以要在外面用cJSON_PrintUnformatted生成紧凑格式,不能带多余换行,否则接口可能拒收。CURLOPT_TIMEOUT_MS是整个请求的总时间上限,包含连接、发送、等待响应、接收全部数据的时间;CURLOPT_CONNECTTIMEOUT_MS只限制 TCP 建连阶段。两者都设,可以避免“连上了但响应很慢”导致的长时间卡顿。write_cb是 libcurl 写回调,把响应体累积到一个内存缓冲区,工程里给了默认实现。解析响应时只用cJSON_GetObjectItem拿translation字段,没有做复杂的错误分支处理。如果接口返回非 JSON 或缺少字段,cJSON_Parse或GetObjectItem会返回 NULL,调用方要能容忍空指针,直接提示“翻译失败”。3.4 悬浮窗模块:override-redirect 窗口与中文渲染拿到译文后,展示窗口要做得克制:不抢焦点、不挡视线、看得清中文。这里的关键技术点有两个:override-redirect 窗口创建、Xft 字体渲染。窗口创建在 2.3 节已经贴过代码,这里补充字体渲染部分。X11 原生接口不认中文,要渲染中文就必须走 Xft 方案。实现步骤是:先用XftFontOpenName打开系统中文字体,再用XftDrawCreate创建绘制上下文,最后逐行调用XftDrawStringUtf8输出文本。XftFont *font = XftFontOpenName(dpy, screen, "Noto Sans CJK SC:size=14"); XftDraw *draw = XftDrawCreate(dpy, win, DefaultVisual(dpy, screen), DefaultColormap(dpy, screen)); XftColor color; XftColorAllocName(dpy, DefaultVisual(dpy, screen), DefaultColormap(dpy, screen), "white", &color); // 每行文本 y 坐标递增,渲染多行译文 for (int i = 0; i < line_count; i++) { XftDrawStringUtf8(draw, &color, font, 12, 18 + i * 22, (XftChar8 *)lines[i], strlen(lines[i])); }这里要注意字体名的写法。XftFontOpenName接受的是 Fontconfig 模式字符串,Noto Sans CJK SC:size=14表示用该字体、字号 14。如果系统里装的是文泉驿正黑,就改成WenQuanYi Zen Hei:size=14。字体不存在时XftFontOpenName返回 NULL,程序要自动退回Sans:size=14,至少保证英文能显示。提示:中文显示成方块(豆腐块)几乎都是字体问题。先确认fc-list | grep -i cjk有没有输出,再确认字体名字写对了,这两个检查能解决大多数渲染异常。4. 常见问题与避坑排查:乱码、Wayland 失效与坐标偏移4.1 取回的文本全是乱码现象:划选英文单词后触发取词,弹窗里看到的是é这类乱码,或者只有一两个字符。原因:目标窗口不支持UTF8_STRING这个 target,X Server 只能退回STRING编码,也就是 ISO-8859-1,非 ASCII 字符被强行按单字节解释,中文和重音字符全变成乱码;另一种常见情况是请求后没有等SelectionNotify就抢读属性,读到的数据是不完整的。解决:先检查目标程序类型。xterm、urxvt这类老终端通常不支持UTF8_STRING,要改用XInternAtom(dpy, "STRING", False)再取,取到后按 Latin-1 手工转 UTF-8。另外,在取词模块的SelectionNotify分支里加一个短重试逻辑,属性为空时usleep(20000)再读一次,能解决不少偶发乱码。4.2 在 Wayland 桌面环境下完全失效现象:源码在 X11 桌面(例如 Xfce、i3)下一切正常,切到默认 Wayland 的桌面环境后,弹窗要么不出现,要么取词结果为空,系统日志里报BadAccess或BadWindow。原因:Wayland 合成器不允许客户端像 X11 那样随意访问全局选择内容、读取任意窗口的坐标。XConvertSelection在 Wayland 的 XWayland 兼容层里权限被限制,取词请求直接被忽略。解决:最稳妥的做法是让这个工具运行在 X11 会话下。登录界面选择“Xorg”或“X11”会话模式,而不是默认的 Wayland。如果你必须在 Wayland 环境使用,可以整个程序跑在 XWayland 里,但取词范围仍然受限,只有在 XWayland 窗口内划选才有响应。原生支持 Wayland 需要改用 GTK 的 Wayland 接口重新实现一遍取词,工程量大且不值得。4.3 高分屏下弹窗位置错位现象:在 2K 或 4K 屏幕上,缩放比例设为 150% 时,弹窗出现在鼠标斜上方很远的位置,而且字体偏小。原因:X11 的鼠标坐标和窗口坐标用的是逻辑坐标,而高 DPI 环境下系统通过Xft.dpi做了全局缩放。直接拿鼠标坐标创建窗口,显示出来的实际位置会按缩放因子偏掉。也就是说,鼠标在屏幕中央,弹窗却出现在左上角附近。解决:创建弹窗前读取当前Xft.dpi值,计算缩放比scale = dpi / 96,把x、y、窗口宽高、字体大小全部乘上这个系数。注意不要只乘坐标不乘字号,否则窗口位置对了、字却小得看不清。// 读取系统 DPI 作为缩放基准 double scale = 1.0; char *dpi_str = XGetDefault(dpy, "Xft", "dpi"); if (dpi_str) { int dpi = atoi(dpi_str); if (dpi > 96) scale = (double)dpi / 96.0; } // 所有窗口参数都乘以 scale win_x = mouse_x + 16 * scale; win_y = mouse_y + 20 * scale; win_w = 360 * scale;4.4 程序启动前已选中的文本取不到现象:先在某处划选了一段英文,再启动取词器,按热键没有反应;但启动后再划选,一切正常。原因:取词器的隐藏窗口是在程序启动时才创建的,它只能接收到启动之后的SelectionNotify事件。启动前选中的文本,其选择持有者(XGetSelectionOwner返回的窗口)是别的程序,取词器根本没有拿到相关通知。解决:把取词器做成常驻进程,开机自启或用你的桌面启动器拉起,而不是要用时才启动。另外,取词前用XGetSelectionOwner先检查PRIMARY是否有人持有,如果返回None,直接提示“未选中文本”,比无响应友好得多。4.5 翻译接口响应慢导致取词器假死现象:网络正常时一切正常,一旦接口响应超过几秒,整个取词器鼠标点击、键盘输入全部没反应,过一会儿自己恢复。原因:翻译调用是同步执行的,curl_easy_perform阻塞在主线程里,而这里的主线程同时负责XNextEvent事件分发。事件循环被卡住,所有 X11 事件都无法处理,界面自然就“假死”了。解决:翻译逻辑必须放进独立线程。工程里的做法是:主线程收到取词请求后,把文本塞进一个任务队列,工作线程从队列取文本,调用翻译接口,再把结果放回结果队列;主线程每次回到XNextEvent前检查结果队列,有结果才更新弹窗。这样即使接口 8 秒超时,取词器始终能响应鼠标移动和按键,用户体验上只是翻译结果晚到,程序不会卡死。5. 进阶与验证:接入系统通知并自查整条链路5.1 把译文交给系统通知,替代自绘悬浮窗自绘悬浮窗最大的短板是字体和坐标都得管,而且只在一个屏幕上生效。如果你的使用场景是“翻译完瞄一眼就走”,完全可以绕开窗口模块,直接把译文交给系统的通知守护进程,也就是用notify-send输出。好处是通知的样式、多显示器位置、字体渲染全部由桌面环境负责,代码还能少掉大半。# 手动测试通知接口是否可用 notify-send "取词翻译" "Today is a good day." --expire-time=5000工程里预留了一个osd_mode配置项,值改成notify时,translate.c拿到译文后不再调用osd.c的绘制函数,而是 fork 出子进程执行notify-send。我一般会把--expire-time设成 5000 毫秒,太短来不及看完,太长会挡住桌面。5.2 使用 xclip 做端到端验证改完代码后,怎么确认取词链路是通的?手工划选调试太慢,我习惯直接用xclip往PRIMARY里塞一段文本模拟划选。xclip 的作用是把标准输入写入指定选择,正好能模拟“用户在任意程序里选中了一行字”的状态。# 写入 PRIMARY 选择,模拟划选 echo "linux c language" | xclip -selection primary # 触发取词器热键,观察弹窗或通知输出的译文这条命令的好处在于可重复、无需图形交互。配合strace还能进一步确认取词流程:strace -e trace=read,write ./screen-dict 2>&1 | grep X11,能看到 X11 协议层的读写时序。每次改完代码,我先用 xclip 造数据,再触发热键,最后看译文输出,三步下来基本能把取词、翻译、展示三块问题分开定位。5.3 增加一个本地缓存,减少重复请求屏幕取词工具最容易被嫌弃的细节就是“同一个词翻一遍查一遍”。给translate.c加一个简单的历史缓存,用临时文件存键值对,查词前先读缓存,命中就直接回显译文,不发起 HTTP 请求。实现上不需要 SQLite,一个文本文件加哈希表就够了。# 缓存文件格式:每行一个词条 # word<TAB>translation缓存命中时打印一行日志,没命中才走网络请求。这样高频取词时既省流量又省时间,而且接口偶尔抽风时,常用词的翻译仍然能正常显示。这个增强代码量不大,但对日常使用体验的提升非常明显。从那以后我每次在 Linux 上折腾这类常驻小工具,都会强制走一遍“依赖检查、构建、xclip 模拟、日志验证”这四个步骤,顺序反了必翻车。这份取词翻译源码也是这么验证下来的,X11 的坑绕过了,剩下就是怎么按你的桌面环境去调字体和弹窗位置的问题。希望帮到你。本文还有配套的精品资源,点击获取