企业官网建设流程全解析

Umi-OCR 离线文字识别指南：截图识别、批量图片识别、扫描件转可搜索 PDF

【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

在线 OCR 网站的免费次数半天就用光；内网、断网环境里的图片，根本传不上云；付费工具还要按年订阅。Umi-OCR 是一款开源免费的离线文字识别工具：解压即用、免安装、不联网。截图、批量图片、扫描版 PDF 全在本地识别，结果直接复制、直接导出。这篇攻略带你从下载到拿到第一个识别结果，并讲清排版解析、命令行、HTTP 接口三种进阶用法。

30 秒看清新

Umi-OCR 是一款开源免费的 OCR 软件，支持 Windows x64（可下探 Win7）与 Linux x64，内置 PaddleOCR、RapidOCR 两套离线引擎和多语言识别库。

• 免费、免安装：代码全部开源，绿色便携，解压后双击Umi-OCR.exe直接运行
• 全程离线：图片和文档数据完全不出本机，内网、断网环境也能照常识别
• 不止"识别"：还能输出双层可搜索 PDF，让旧扫描件可全文搜索、可划选、可复制

零成本、解压即用、数据不出本机，这三件事同时成立，在免费 OCR 工具里不多见。

从 0 到第一个离线文字识别结果

1. 下载发行版：.7z压缩包或.7z.exe自解压包（后者没装压缩软件也能用）
2. 解压，双击Umi-OCR.exe启动（Linux 用umi-ocr.sh）；首次打开，界面语言自动跟随系统
3. 打开「截图 OCR」标签页
4. 按下软件的截图快捷键唤起选框，框住一段文字后松手
5. 在右侧「记录」面板里编辑结果，右键「复制」带走

到这里只花了约 5 分钟 💡：从下载到复制出第一段文字，没有注册、没有联网、没有安装向导。

按场景挑着看

屏幕文字：截图 OCR 操作步骤

入口是「截图 OCR」标签页。截图松手后，左侧是图片预览（可直接用鼠标划选文字），右侧是识别记录；记录支持编辑，右键可「复制」（Ctrl+C）或「全选」（Ctrl+A），还能选中多条记录一次复制。在别处复制的图片，也能直接粘贴进 Umi-OCR 识别。

小坑提醒：截网页长图或大海报时如果丢字，把该页设置里的「限制图像边长」调高（默认 960，2880 是质量与速度的平衡值，该参数仅对 PaddleOCR 引擎生效）。

本地图片：Umi-OCR 批量图片识别步骤

入口是「批量 OCR」标签页。把图片拖进列表（支持 jpg、png、webp、bmp、tif 等格式），点「开始任务」，列表里能看到每张图的耗时和置信度（如 0.92）。结果可保存为txt/jsonl/md/csv(Excel)任选格式；数量没有上限，几百张图一次跑完，还支持任务完成后自动关机/待机，晚上挂机、次日收结果。

图片带水印或 LOGO 时，在右侧设置进入忽略区域编辑器，按住右键画矩形框，框内文字不参与输出；注意被忽略的是整个文本块，不是单个字符。

小坑提醒：批量识别带同款水印的论文时，矩形框画大一点，完全包裹住水印可能出现的位置。

文档 / PDF：扫描件转可搜索 PDF

入口是「文档识别」标签页，支持pdf、xps、epub、mobi、fb2、cbz。拖入文档：原生文字直接提取，扫描页走 OCR 识别，并可输出双层可搜索 PDF——给扫描件加上隐形文字层后，全文可搜索、可复制、可划选。同样支持设置忽略区域，排除页眉、页脚、水印；任务完成后可自动关机。

小坑提醒：PDF 里复制不出任何文字，说明它是纯扫描件、没有文本层，走一遍「文档识别」输出双层 PDF 就一劳永逸。

想更进一步

排版解析：多栏论文、竖排文字、代码截图都有现成方案。「文本后处理」设置里提供 6 种预设排版解析方案——多栏文档选「多栏-按自然段换行」，代码截图选「单栏-保留缩进」（保留行首缩进和行中空格）；所有方案都能自动处理横排与竖排（从右到左）的排版。

命令行：调用入口就是Umi-OCR.exe主程序本身（备用启动器不可用命令行），HTTP 服务默认开启，一条命令批量识别整个文件夹：

umi-ocr --path "D:/scans" --output "D:/result.txt"

全部参数见 docs/README_CLI.md。

HTTP 接口：适合供其他程序调用。流程是"上传文件获取任务 ID → 轮询任务状态 → 下载生成文件"，文档识别、二维码也有专门接口，详见 docs/http/api_doc.md。

全局设置：桌面快捷方式、开机自启、界面语言与主题、OCR 引擎插件切换都在这一页完成。

排版解析管"读得顺"，命令行和接口管"接得上"——截图、脚本、外部程序调用的都是同一个本地 OCR 引擎，附加配置只有全局设置里的 2 个开关。

常见问题

问：识别大图、长图时丢字、结果残缺？答：在对应页面「设置 → 文字识别 → 限制图像边长」把数值调高，2880 是平衡点。默认 960 像素会把超大图压缩过度，信息直接压没了。

问：多栏文档识别后顺序错乱，左右栏串行？答：在「排版解析方案」里选「多栏-按自然段换行」，文本会按阅读顺序重排。默认方案不区分多栏布局，左右栏才会交替输出。

问：PDF 里复制出来的全是乱码或空白？答：这份 PDF 是纯扫描件、没有文本层，用 Umi-OCR 的「文档识别」跑一遍并输出双层可搜索 PDF，之后搜索、复制都正常。

问：命令行指令umi-ocr没有反应？答：入口必须是Umi-OCR.exe本体，并确认「全局设置」中 HTTP 服务处于开启状态（默认开启）、主机选「仅本地」。命令行是靠本地回环的 HTTP 接口与后台进程通信，这个服务关了是最常见的原因。

你遇到的问题大概率就是这 4 个，全部能在 1–2 次设置点击内解决，不用翻源码。

现在动手

1. 下载并解压发行版，双击Umi-OCR.exe启动
2. 跑一次截图 OCR：快捷键框选，复制识别结果
3. 再试一个进阶场景：把一个 PDF 拖进「文档识别」，或把一个文件夹丢给命令行

更多资料：README.md（功能一览）· docs/README_CLI.md（命令行手册）· docs/http/api_doc.md（HTTP 接口）· CHANGE_LOG.md（更新日志）

想深入源码二次开发：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR

【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