企业官网建设流程全解析

Umi-OCR 批量 OCR 实操：从图片导入到文本导出

【免费下载链接】Umi-OCROCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR

周五下午五点，你要把 40 张会议照片里的文字全部转成可编辑文本，明早就要用。在线 OCR 一次传不了几张图，还要把文件传到别人的服务器；Umi-OCR 是一款免费开源的离线批量 OCR 软件，本地运行、无需联网，一次能导入几百张图片，把图片里的文字按正确顺序整理成 TXT、Markdown 或 CSV 文件。这篇文章就走一遍"图片进、文本出"的完整流程。

Umi-OCR 是什么

Umi-OCR 是一个解压即用的绿色软件：下载发布包解压后直接运行Umi-OCR.exe（Linux 下用umi-ocr.sh），不需要安装步骤，Windows 7 x64 和 Linux x64 都能跑。识别引擎（RapidOCR 或 PaddleOCR）随软件一起打包，所有识别都在本机完成，图片和识别结果不会离开你的电脑。

软件界面由几个标签页组成：截图 OCR、批量 OCR、文档识别、二维码、全局设置，按需打开即可。和常见的在线服务相比，差别主要体现在这几点：

它内置多国语言的识别库，支持中、英、日等语言；界面本身也做了多语言，首次启动默认跟随系统语言，也可以随时手动切换。

批量 OCR 从导入到导出

下面以"40 张会议照片转文本"为任务，走一遍完整流程。

解压启动并打开批量页

把发布包解压到一个目录，双击Umi-OCR.exe启动，切换到 批量OCR 标签页。如果是第一次使用，先在 全局设置 里确认界面语言和主题，顺手把"桌面快捷方式"勾上，以后开任务会快一些。

导入图片并选择识别语言

点击左侧列表上方的 选择图片 按钮，在文件框里多选（或直接把文件夹拖进去）导入 40 张照片。支持的格式包括 jpg、png、webp、bmp、tif 等，没有数量上限。右栏 设置 → 文字识别 → 语言/模型库 里选择识别语言：纯中文图片选 简体中文 就够，中英混排选 简体中文+英文。这里有个细节容易忽略：语言库选得越全，单张耗时略增，按图片实际内容选即可，不用默认拉满。

后处理方案与保存格式

识别出的文字块如何拼成段落，由 排版解析方案（段落合并）决定。默认方案是 多栏-按自然段换行：自动识别多栏布局，按自然段落换行，大多数文档场景直接用它。图片若是单栏排版，选对应的 单栏 系列方案，效果更干净。保存文件类型支持 txt、p.txt、md（Markdown）、jsonl、csv（Excel）等，勾选 Separate file 则每张图单独存一个结果文件，不勾则合并输出。常用设置整理如下：

开始任务并查看结果

点击 开始任务，顶部进度条按顺序处理每张图片，列表的 状态 列给出每张的置信度分数，右栏 记录 区随任务滚动更新识别结果，可以直接划选复制，也能编辑修正。

跑完 40 张后，结果文件按你勾选的格式保存在图片所在目录或指定目录，整个任务不需要离开这个页面。

多栏文档的排版参数怎么选

默认参数能覆盖大部分场景，下面三种情况需要单独调。

双栏学术论文

如果你的图片是双栏排版的论文或杂志页，保持默认的 多栏-按自然段换行，它会自动把两栏内容按阅读顺序合并成自然段落。如果发现某页两栏文字被串到一起，把方案换成 多栏-总是换行 再试，代价是段落切得更碎。整份 PDF 不用手动转图片，直接走 文档识别 标签页，支持 pdf、epub、mobi 等格式，还能输出双层可搜索 PDF。

代码截图

代码截图选 单栏-保留缩进，它保留行首缩进和行中空格，Python、JS 这类依赖缩进的语言结构不会乱，识别语言选英文或中英混排库。用 截图OCR 页单张识别时，底部有个 隐藏文本 开关，把原图上的文字遮住、只留识别结果，方便逐行核对识别是否正确。

如果你的代码截图背景色深、字体小，先放大到正常字号再截，比调任何参数都有效。

带水印和页码的扫描件

扫描件角落的水印、LOGO、页眉页脚会混进结果里。进入 批量OCR 右栏设置里的 忽略区域 编辑器，按住右键拖出矩形框，把水印可能出现的位置整块包住；任务运行时，完整落在框内的文本块会被整体忽略。注意只忽略"整块"，跨框边界的文本块仍会保留，所以框要画得比水印区域略大。如果你的扫描件是高分辨率整页长图，记得在 文字识别 → 限制图像边长 里把数值调高，否则图片被缩放后小字会变糊。上百张一起跑时建议分批处理，也可以开启"任务完成后自动关机"，睡前把任务交给它。

命令行与 HTTP 接口

图形界面之外，Umi-OCR 也能被脚本调用。命令行入口就是主程序本身，比如批量识别一个文件夹并把结果写入文件：

umi-ocr --path "D:/imgs" "-->" D:/result.txt

命令行和 HTTP 接口都依赖软件内的 HTTP 服务（默认开启，主机保持"仅本地"即可）。HTTP 接口提供图片 OCR（Base64 传图）、文档识别、二维码识别等端点，可以把 Umi-OCR 嵌进自己的自动化流程。需要获取源码的话：

git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR

相关文档：命令行手册、HTTP 接口手册、更新日志。

适合谁：需要把大量图片、扫描件、PDF 批量转成文本，又不想把文件传上云的学生、办公和开发场景。边界也说清楚：模糊低质的手写体精度有限，表格图片识别还在规划中，目前输出的是文本而非 Excel 表格。

【免费下载链接】Umi-OCROCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR