Umi-OCR 一篇讲透：免费离线 OCR，从截图取文到批量处理一文件夹文档

Umi-OCR 一篇讲透：免费离线 OCR，从截图取文到批量处理一文件夹文档

【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（文字识别）工具，识别全程在你自己的电脑上完成，不联网。它的活主要有四类：把屏幕截图变成可选中文字、把一文件夹图片批量转成文本文件、把扫描版 PDF 变成可搜索 PDF，外加二维码扫码/生成。适合需要频繁整理文档资料的办公用户，也适合想把 OCR 接进自己脚本的开发者，界面默认中文，几乎零学习成本。

它是什么，为什么值得装一个

几个点一次说清：

• 不联网：OCR 引擎（RapidOCR / PaddleOCR）内置在本地，识别速度只取决于你自己的电脑，资料不出机器。
• 解压即用：发布包是.7z压缩包或.7z.exe自解压包，解压后双击Umi-OCR.exe就能跑，没有安装环节 📦
• 两种调用方式：图形界面之外还支持命令行与 HTTP 接口，写脚本调它只差一条命令，功能细节见 README.md。
• 双系统都能跑：Windows 7 x64 与 Linux x64 均支持。

界面支持多国语言：第一次启动时按系统语言自动切换，之后随时可手动改，路径是「全局设置 → 语言/Language」，已覆盖简体中文、英语、繁体中文、日语、俄语、葡萄牙语等。

从下载到第一次出文字，只需三步

1. 下载发布包，解压到一个你记得住的目录，路径保持纯英文，别带空格和特殊字符。
2. 双击Umi-OCR.exe启动（Linux 用户直接运行umi-ocr.sh），软件默认打开在「截图OCR」标签页。
3. 按页面上的快捷键唤起截图，框选屏幕上的文字区域，松手后结果就出现在右侧「记录」栏，直接右键选「复制」即可。

到这儿就成功了。图省事的话还可以跳过框选：从别处复制一张图片，直接粘贴进窗口，同样能识别。

先干一票真的：把一文件夹扫描件变成可搜索 PDF

功能清单先放一边，咱拿真实活练手：桌面上有个文件夹放满扫描版 PDF，要把它们变成能 Ctrl+F 的文件 🔍

准备

• 新建一个output文件夹存放结果；打开「文档识别」标签页。
• 把扫描文件拖进任务列表，支持pdf, xps, epub, mobi, fb2, cbz。

操作

• 如果每页页脚都有页码水印，先进「忽略区域」编辑器，用右键把页脚条框住。注意被忽略的是框内「整个文本块」，框要完全包住水印可能出现的位置。
• 输出格式勾选「双层可搜索PDF」；只想要纯文本内容的话，也可以选「单层纯文本PDF」。
• 任务完成设置选「自动关机」，就可以去忙别的了。进度条逐页推进，中途电脑休眠也没关系，任务支持暂停后恢复，不用从头再来。

结果验证

打开output文件夹，能看到与原件同名的双层可搜索PDF：版式和原件一模一样，但鼠标能选中、能复制、Ctrl+F 能搜到任意文字，页脚页码也不再混进结果。任务跑完，机器按设置自动关机。

四个标签页，各管一段活

网页和软件界面里的文字选不中，看截图OCR

这是软件默认的第一个标签页，好用点在三处：

• 左预览、右记录：左侧预览栏直接用鼠标划选复制；右侧「记录」栏可以先编辑文字再复制，还支持划选多条记录一起复制。

• 排版解析方案决定可读性：在「文本后处理 - 排版解析方案」里，报刊双栏内容选「多栏-按自然段换行」，代码截图选「单栏-保留缩进」（行首空格、行内空格都保留），想要引擎原始输出就选「不做处理」。
• 横排竖排都能自动处理：竖排（从右到左）也能识别，前提是引擎本身支持。

代码截图是个好试金石，选「单栏-保留缩进」时缩进和空行都保住了：

一次框选，文字带着正确排版回来，记录面板还会保留历史，随时翻回去补选。

一文件夹图片一次性转成文本文件，用批量OCR

手机拍的讲义、扫描件照片，一个文件夹几十张甚至几百张要逐张过字的活，交给这一页：

• 把图片文件夹拖进任务列表，支持jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff格式，数量没有上限。
• 右栏勾选输出格式：txt, jsonl, md, csv(Excel)，可以多选同时保存。
• 图片角落有水印或 LOGO 的话，进「忽略区域」编辑器用右键画矩形框住，框内整个文本块会被跳过。
• 提交任务，还能设任务完成后自动关机 / 自动待机。

跑完一整批，每张图都会留下一个一一对应的文本文件，任务列表里还标着每张图的耗时与置信度，方便你把没认好的挑出来重跑。

扫描版 PDF 想被搜到，用文档识别

这一页就是给搜不了字的纯扫描文档准备的：

• 拖入文档，支持pdf, xps, epub, mobi, fb2, cbz。
• 文档自带文本层的，直接提取原文，不重复识别；纯扫描件则逐页 OCR。
• 输出勾选「双层可搜索PDF」（版式不动、叠加一层可搜索文字）或「单层纯文本PDF」。
• 搭配「忽略区域」，可以把页眉页脚之类的文字排除在外。

产物是一份能归档、能检索的PDF，样子和原来没区别，但 Ctrl+F 是真能用的。

二维码：扫得出来，也生成得出来

• 扫码方向：截图、粘贴或拖入本地图片，读取其中的二维码、条形码，支持一图多码，覆盖QRCode、EAN13、DataMatrix、PDF417等 19 种协议。
• 生成方向：输入文本，选定协议、纠错等级和图片尺寸，就能产出一张二维码图片。

两种方向的结果都能直接用：前者还你解码后的文本，后者还你一张能存下来就用的二维码图。

这几个地方调对了，事半功倍

• 限制图像边长→ 要识别超大长图、大图时 → 在识别页「设置 → 文字识别」里把数值调高，否则超出的部分会被压缩截断，识别结果不完整。
• 排版解析方案→ 多栏文档、代码截图时 → 分别选「多栏-按自然段换行」或「单栏-保留缩进」，别一直用默认方案将就。
• OCR引擎插件→ 想对比速度和准确率时 → 在「全局设置」里于 Rapid 与 Paddle 之间切换，大任务前先拿十几张小图试跑。
• 语言/模型库→ 要识别外语时 → 在 OCR 插件设置里勾选对应语言；勾得越多占内存越多，纯中文场景不必全开。
• 渲染器→ 老机器出现截图闪烁、界面错位时 → 「全局设置 → 界面和外观」里切换渲染方案或关闭硬件加速。
• 日志保存级别→ 排查问题想留证据时 → 在全局设置标签页调整级别，日志存放在UmiOCR-data/logs目录。

出问题先看这里 🩹

批量识别超大长图，结果不完整。原因：默认开启了图像边长限制，超出部分被压缩或截断。 解决：在「设置 → 文字识别」里调高「限制图像边长」数值。

结果里总混着水印、页眉页脚。原因：没画忽略区域，或框没包住整个文本块。 解决：用右键画矩形框，被忽略的是框内整个文本块，框要把水印可能出现的所有位置都圈进去。

老显卡机器截图时闪烁、UI 错位。原因：默认显卡加速渲染与该机型不兼容。 解决：「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。

脚本里调命令行，收不到识别结果。原因：umi-ocr的结果不能用系统的>或|重定向。 解决：改用--output "file.txt"写文件或--output_append追加，完整参数表见 命令行手册。

Linux 老系统启动报错。原因：运行库依赖不满足。 解决：选用稳定的 release 分支，Linux 侧要求 glibc 2.31 以上，大致对应 Debian 11、Ubuntu 20 及之后的系统。

版本信息、文档与源码去哪拿

当前稳定版本为v2.1.5（2025.3.26），这一版新增了日志机制和--reload配置重载指令，完整沿革见 更新日志。

• 开发者向：命令行调用方式见 docs/README_CLI.md，HTTP 接口（可传 Base64 图片直接识别）见 docs/http/README.md，具体接口参数还能在 docs/http/api_ocr.md 里展开。
• 遇到 Bug 直接到项目的 Issue 页面提交；界面翻译在 Weblate 平台上协作维护，已覆盖十几种语言，也欢迎译者参与。
• 拿源码（日常使用建议看 release 分支，main、dev可能含有开发中的不稳定功能）：

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

解压一个发行版，先框一次截图，你会发现离线 OCR 离你的工作流只差一个快捷键 🚀

【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