获取当前在屏幕上显示/查看的文本/内容

问：

我想知道是否可以以编程方式获取当前在屏幕上显示/查看的文本。当前网页可以有滚动条，允许实际页面比当前显示的页面长得多（有时更宽），但我对用户正在阅读的内容和当时显示的内容感兴趣。到目前为止，我能想到两种方法来做到这一点：

1. 从页面和文本中提取 HTML，并以某种方式将其与滚动条的位置一起翻译，当前显示文本的位置。
2. 自动截取屏幕截图并将其输入图像到文本生成器中。

我想知道是否有更简单的方法？我想为 Chrome 开发这个，所以我想知道 Chrome 的桌面 API 是否允许这样做（或者 MacOS 辅助功能 API 允许这样做？