企业官网建设流程全解析

Umi-OCR：截图取字、批量图片识别、PDF 扫描件，3 个本地 OCR 任务一网打尽，不联网不花钱

【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

Umi-OCR 是一款免费开源的离线 OCR 软件。截图取字、整文件夹图片批量识别、扫描版 PDF 变可搜索文档，全在本地处理，无需联网，图片不离开你的机器。读完全文，你可以独立做完四件事：走通一次"截图 → 识别 → 复制"，把一文件夹图片导出成 txt/Excel，把文档变成双层可搜索 PDF，以及把识别能力接进自己的脚本和 Web 服务。

主界面：左侧是截图预览，可直接划选文字；右侧按时间排列每次识别的记录

先跑通一次：完成第一张截图 OCR

1. 解压发布包。发布版是.7z压缩包（或自解压的.7z.exe），Windows 7 x64 与 Linux x64 均可运行，没有安装器。你会看到一个完整的目录，里面就是全部文件。
2. 启动程序。Windows 上双击Umi-OCR.exe，Linux 上执行umi-ocr.sh。你会看到主窗口弹出，界面语言跟随系统设置走。
3. 唤起截图。打开"截图 OCR"标签页，按下快捷键（可在该页设置里改），用鼠标框选一块文字区域。你会看到屏幕变暗、出现选框，随时能按Esc取消。
4. 复制文字。识别跑完后，右侧"记录"栏多出一条文本，点一下记录即可复制；左侧预览图上也能直接划选字符。

最短闭环到此就通了。顺手可以进"全局设置"标签页切换语言、主题、开自启：

全局设置页：切换界面语言与主题，或添加桌面快捷方式、开机自启

任务A｜截图 OCR 取字：排版怎么配才不乱

要什么：文档截图、视频帧里的代码，你想原样贴进 IDE。手敲太慢，普通 OCR 又容易吞掉缩进和行内空格。

怎么做：

1. 在"截图 OCR"标签页框选代码区域。
2. 右侧"设置"面板中，把排版解析切到单栏-保留缩进。
3. 识别结束后，在右侧记录中点这条结果复制。

怎么算成了：把结果贴进 IDE 或 Markdown 预览，缩进层级和原图一致、没有多余空格，就算过关。

别栽在这：默认排版解析是"多栏-按自然段换行"，面向普通文档。套在代码截图上，缩进会被拍平。OCR 引擎只管认字，把字块按阅读顺序拼回去靠的是排版解析，方案选错结果就不对味。

截图 OCR 页面：左侧预览栏可划选文字，右侧记录栏按时间保存每次识别结果

记录面板还能划选多条记录批量复制，也可以编辑文字后再复制：

识别记录面板：右键菜单可复制、删除单条记录或清空全部

任务B｜批量导出 txt 和 Excel：一文件夹图片或一整个 PDF 一次出结果

要什么：手里有一堆扫描文档、票据或拍照图片，一张一张点不现实。

怎么做：

1. 切到"批量 OCR"标签页，点"选择图片"或直接拖入文件夹，几百张也能一次导入。
2. 核对输入格式jpg / jpe / jpeg / jfif / png / webp / bmp / tif / tiff，输出勾选txt / jsonl / md / csv (Excel)。
3. 点"开始任务"。你会看到左侧列表逐张显示耗时和置信度，任务结束得到每个文件对应的输出。

怎么算成了：随机抽 3 张图，对比左侧预览和右侧记录；置信度（0~1）低于0.8的那几张，重点人工核对。

别栽在这⚠️：

• 每张图固定位置都有水印或 LOGO 时，在右侧设置进入忽略区域编辑器，按住右键画矩形框住它。只有完整落在框内的文本块会被丢弃，框画得稍大一点更安全。
• 像素超大的长图、小字多的大图，到"设置 → 文字识别 → 限制图像边长"把数值调高（默认960，可选2880或4320），否则大图先被压缩，小字容易糊。

批量 OCR 页面：左侧是待识别文件列表（含耗时、置信度），右侧是识别记录

PDF 扫描件走同一套思路：切到"文档识别"标签页（v2.1.4及以上版本支持），拖入文档，支持pdf / xps / epub / mobi / fb2 / cbz，同样可以设忽略区域排除页眉页脚。产物是双层可搜索 PDF：原图垫底，识别出的文字藏在上层，能搜能选，版面不损失。打开生成的 PDF，用Ctrl+F搜一个只在正文里出现的词，能直接跳到对应页，就说明文字层写对了。

任务C｜把 OCR 挂进自动化：命令行和 HTTP 两条路

要什么：你想把 OCR 塞进定时任务、打包脚本或自己的 Web 服务。

怎么做：

1. 在"全局设置"里确认 HTTP 服务已开启，主机保持"仅本地"即可，默认端口1224。
2. 命令行走法（umi-ocr是Umi-OCR.exe的简写），完整用法看 命令行手册：

umi-ocr --screenshot --clip umi-ocr --path "D:/docs" --output "结果.txt" umi-ocr --qrcode_read "D:/code.png"

3. HTTP 走法：先GET http://127.0.0.1:1224/api/ocr/get_options查参数定义，再POST http://127.0.0.1:1224/api/ocr提交 base64 图片。请求体是 JSON，图片编码放base64字段，语言模型、排版解析等选项放options字段，完整参数表见 图片识别接口文档，以官方文档为准。文档识别也有对应的上传、查询、下载接口，详见 HTTP 接口手册。

怎么算成了：命令行跑完，文本出现在剪贴板或你指定的文件里；浏览器访问get_options能看到 JSON 参数定义。没反应的话，九成是 HTTP 服务没开，回"全局设置"查一下。

别栽在这：命令行任务沿用"截图 OCR"标签页的参数设定。不希望任务时弹出主窗口，就在该标签页里关掉对应选项。

参数速查：真正要动的就这几个

界面改动会自动存进UmiOCR-data/.settings（ini 格式），也允许手动修改，改完执行umi-ocr --reload重新加载即可。

识别结果不对时怎么办

文档与源码入口

Umi-OCR 像个放在本地的 OCR 工具箱：截图、批量、PDF 一次做完，还留了命令行和 HTTP 两个口子接自动化。想深入的话，docs/README_CLI.md 和 docs/http/README.md 是完整参考，Python 源码在UmiOCR-data/py_src/目录里，欢迎直接翻。

【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