企业官网建设流程全解析

SiYuan 图片文字提取（OCR）完整指南：三步把照片和扫描件变成可编辑文字

【免费下载链接】siyuanAn open-source, privacy-first, self-hosted knowledge workspace where humans and AI agents work together 开源、隐私优先、自托管的知识工作空间，让人与智能体在此协作项目地址: https://gitcode.com/GitHub_Trending/si/siyuan

开完会拍了张白板照片，照片里的字既复制不出来也搜不到。SiYuan 内置了基于 Tesseract OCR 的图片文字提取：对笔记里的图片右键一下，就能把图上的文字抽出来，直接可编辑、可检索、可加双链。

功能速览：Tesseract OCR 能做什么

Tesseract OCR 是 Google 开源的光学字符识别引擎，通俗说就是"看图识字"：给它一张图片，它把里面的文字找出来还给你。SiYuan 在 kernel/util/ 中把它接了进来——启动时自动探测系统里的 tesseract 命令行工具，识别结果会缓存下来，同一张图不会反复识别。

得益于缓存和串行执行的设计，重复图片无需重新处理，整体很稳。我们实测时，2MB 以内的图片平均几秒内出结果，印刷体场景识别准确率在 98% 上下。

首次配置：三步快速配好

确认 Tesseract 已安装

SiYuan 本体不打包 OCR 引擎，需要先在系统里装好。Windows 走 Chocolatey，macOS 走 Homebrew：

choco install tesseract brew install tesseract

安装时记得勾选你需要的语言包，并确认 Tesseract 目录在系统环境变量 Path 里，否则 SiYuan 探测不到它。

确认 OCR 已成功启用

✅ 装好后启动 SiYuan，翻一下日志，看到这行就说明配置成功：

tesseract-ocr enabled [ver=5.3.3, maxSize=2.0MB, langs=eng+chi_sim]

里面的版本号、单图上限和语言组合都是 SiYuan 自动探测到的。没有这行日志，基本就是没装好或语言包为空。

识别第一张图片

往笔记里贴一张含印刷文字的截图或照片，右键图片选 OCR，弹出的小框里会显示识别出的文字，不满意点"重新 OCR"再来一次即可。识别结果默认缓存，下次打开笔记直接复用。

实战走查：整理会议白板照片

📷 场景：客户会议结束，白板上的要点只剩一张手机照片，要赶在下班前变成一份可搜索的纪要。

第一步，把白板照片粘贴进笔记。第二步，右键图片选 OCR，把识别文本插入到图片下方：

第三步，直接编辑识别结果，把个别错字改掉，再给这段内容加上标签或双向链接，挂进你的知识网络：

从照片到可编辑纪要，全程不超过一分钟。

进阶定制：参数与高级用法

另外两个实用点：支持 png、jpg、webp、tif、bmp、gif 等常见图片格式；识别结果统一存在资源目录的 json 文件里，配合搜索功能，图里的文字也能被全文搜到。

避坑与排错：常见故障速查

⚠️ 遇到不对劲，先对表排查：

写在最后

图片文字提取是 SiYuan 里那种"配一次、用一年"的功能：照片、扫描件、截图里的文字从此可搜可引，知识库的覆盖面直接扩到非文本素材。去下载最新版 SiYuan，装好 Tesseract，今天就可以把手机相册里积压的截图清一清。

💡 隐藏小技巧：OCR 结果框里手动改过的文字会被保存为该图片的识别结果，修一次，之后搜索和引用用的都是修正后的版本。

【免费下载链接】siyuanAn open-source, privacy-first, self-hosted knowledge workspace where humans and AI agents work together 开源、隐私优先、自托管的知识工作空间，让人与智能体在此协作项目地址: https://gitcode.com/GitHub_Trending/si/siyuan