问题描述
动机：我正在尝试编写将击键发送到当前焦点窗口的脚本。现在，我使用xdotool，它可以发送原始的击键。但是，我希望准确的击键是焦点窗口中输入插入符号周围当前文本的函数。
问题：是否存在读取文本输入插入符状态的通用方法-它的当前位置以及周围的文本？直观地，我想要当前“文本框”的内容以及该文本框中光标的位置。也许这在一般情况下是不可能的，但是有没有办法对emacs和firefox起作用呢？我正在运行Ubuntu Linux
进一步的动机：由于RSI的问题，我通过语音而不是打字来控制计算机。这可以通过设置语音激活脚本来实现，该脚本可以通过说出不同的短语来触发。口述英语散文时，在句子开头自动将单词大写会很有帮助。这种自动的大写可以通过读取紧接输入插入符号之前的字符，检查它们是否包含句点以及是否将句号（如果有的话）大写来实现。
非常感谢！如果有人可以在这里帮助我，那将大大提高我的日常访问能力。
解决方法
由于没有用于X11的 standard 小部件工具包，但是只有大量的独立开发的任意工具包，因此没有通用的方法来实现。
就X11和在其级别上运行的工具（如xdotool）而言，只有InputOutput种类的窗口（即可见的窗口，可以接收事件并且可以吸引到）或仅{ {1}}是不可见的，仅接收事件。可以说，没有进一步完善的“小部件”。您将获得一个可以绘制到的像素网格。
可访问性界面是工具包的负担（或者，如果您不使用工具包–那么您就是坏蛋–您，开发人员），则需要实施https://www.freedesktop.org/wiki/Accessibility/
绝对通用的方法是截取当前聚焦窗口的屏幕快照，采用基于计算机视觉/机器学习的解决方案来识别插入符号，然后对其周围的文字行进行OCR。老实说，恕我直言，这样做 可能比希望正确实现可访问性接口可靠得多。