Umi-OCR PDF 文字识别完整教程：五步把扫描件变成可搜索文本，免费离线，解压即用-开发者社区

Umi-OCR PDF 文字识别完整教程：五步把扫描件变成可搜索文本，免费离线，解压即用

【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

同事发来的合同 PDF，Ctrl+F 一按没任何结果；自己扫的一摞发票，金额还得一个个敲进表格；图书馆翻拍的书页，想把要点复制进笔记。这三件事看着不同，其实是同一件事：页面上是图片，不是文字，电脑只看得见像素。你需要的是 PDF 文字识别——用 OCR（光学字符识别，就是让电脑从图片里"读"出文字）把笔画还原成真正的文本。Umi-OCR 是一款免费、开源、离线的 OCR 工具，解压压缩包就能用，不安装、不注册、不联网。

扫描件批量转文字的最短路径

解压并启动。拿到.7z压缩包，解压后双击Umi-OCR.exe，窗口打开，界面语言会自动跟随你的系统。
打开"批量 OCR"标签页，拖图试试。jpg、png、webp 等格式都行，左侧列表会逐个列出文件名。
点击"开始任务"。进度条显示当前文件和耗时，右侧"记录"面板实时输出识别出的文字。
想留档就选保存格式。在右侧"设置"里选 txt、jsonl、md、csv(Excel) 等格式，任务结束后输出目录里自动生成文件。
拿到的是扫描版 PDF？切到"文档识别"标签页把 PDF 拖进去，任务结束后得到的是一份"双层可搜索 PDF"——既保留原版面，又多了一层可以搜索复制的文本。

场景化方案：识别过程中 4 个常见问题，逐个解决

扫描版 PDF"只能看不能搜"，怎么补上文字层？

扫描件整页是图片，没有文字层，搜索、复制全都失灵。

切到"文档识别"标签页，把 PDF 拖进去；页面设置里可以选择对扫描件做识别还是直接提取原有文本，输出记得勾上双层可搜索 PDF。

验证很简单：打开输出文件，Ctrl+F 搜一句原文里的短语，能定位、能高亮，就成了。

水印、页眉、页码混进识别结果

图片角落的水印会被原样抄进文本，后期清理比识别本身还费时。

从"批量 OCR"右侧设置进入忽略区域，在预览图上按住右键画矩形框，把水印、页眉位置框进去。框画大一点，完全盖住它可能出现的所有位置。

先抽一两页试跑，框内的文字从结果里消失、正文完整保留，再开始整批任务。

多栏、代码截图识别出来顺序一团乱

多栏报纸杂志、代码缩进，直接识别会串栏、丢缩进，读起来像乱码。

在文本后处理设置里选择排版解析方案：多栏版面选"多栏-按自然段换行"，代码截图选"单栏-保留缩进"，想把所有句子强制合并成一行，还有"无换行"可用。

对照原图逐栏检查识别文本，换行和缩进与原文一致即可。

屏幕上的截图想抓字，不想先存图

截图已经在剪贴板里了，先存盘再识别嫌麻烦。

打开"截图 OCR"标签页，按截图快捷键直接划选识别，也可以把别处复制的图片直接粘贴进窗口；左侧预览区能用鼠标划选文字直接复制。

划选结束，文字就出现在右侧记录列表里，右键记录选"复制"，粘进文档就能用。

效率进阶与自动化：让批量 OCR 跑得更快

善用记录列表快捷键。右键记录，复制（Ctrl+C）、全选（Ctrl+A）、选中全部记录都在，不用再拖鼠标。

长图识别乱序？先查"限制图像边长"。在页面设置→文字识别里把数值调高（例如从 1920 提到 2880）；2880 足够，再高只会引入噪声、拖慢速度。
想接进自己的自动化流程。程序内置命令行和 HTTP 接口，比如一行 ⚡：

umi-ocr --screenshot --output result.txt

识别当前屏幕并把结果写入文件，完整参数见 docs/README_CLI.md 和 docs/http/README.md。

常见问题：新手最常问的几个

Q：归档、编辑，分别选什么格式？

A：归档选双层可搜索 PDF，版面保留、可全文搜索；纯文本编辑选 TXT；给数据分析用就选 JSONL 或 CSV。

Q：图片分辨率越高，识别越准吗？

A：不一定。过度放大的图片只会增加噪声、拖慢速度。优先保证原图清晰；长图识别乱序多半是撞到了"限制图像边长"，调高数值即可。

Q：日文竖排文字、竖排古籍怎么识别？

A：先确认当前 OCR 引擎支持竖排，再在排版解析里选对应方案——所有方案都能自动处理横排和竖排版面。

Q：界面截屏闪烁、UI 错位？

A：到"全局设置"→"界面和外观"→"渲染器"里切换渲染方案，或关闭硬件加速，多数情况能解决。

Q：几百张图片一批，怎么放心跑？

A：先抽一两页试跑，确认排版方案和忽略区域覆盖无误再整批开跑；批处理支持勾选任务完成后自动关机/待机，睡前挂机，第二天收结果。

从一张图拖进去，到整批扫描转文字；从框掉水印，到生成双层可搜索 PDF，Umi-OCR 把 PDF 文字识别的完整链路装进了一个解压即用的绿色工具里。用顺手之后，还可以去二维码标签页试试扫码与生成，或在 CHANGE_LOG.md 里看看每个版本修了什么、加了什么。下次再遇到"只能看不能搜"的 PDF，拖进去就行，不用一个字一个字地敲了。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考