企业官网建设流程全解析

Umi-OCR 完整上手指南：免费离线 OCR 软件快速解决截图、批量图片与 PDF 文字提取难题

【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

如果你正为"图片里的文字搬不出来"发愁，那么今天的主角值得你花五分钟认识：Umi-OCR 是一款开源免费、完全离线的 OCR 文字识别软件，主打截图识别、批量图片处理、PDF 文档转文字与二维码扫描生成，解压即用，不联网也能稳定工作。

先别急着看参数，不妨回忆一个熟悉的画面：一沓扫描版合同、一屏接一屏的课程截图，要把里面的字"搬"进文档，网页识别工具却要么要登录、要么限次数，涉及隐私的资料更不敢随便上传。于是你只能对着图片手动抄写——而这正是 Umi-OCR 想要终结的苦差事。

一个让人抓狂的场景：扫描件、截图和不敢上传的隐私

作为经常和文字打交道的人，你一定经历过类似的时刻：编辑软件不认图片，只能靠肉眼一行行誊抄；网课里的重点内容截图存了一堆，真要引用时还得重新打字；最要命的是隐私——涉及合同、身份信息、内部资料的图片，谁都不敢丢给云端识别服务。

这类痛点的解药，恰恰是"本地识别"：图片不出电脑，识别全程在本地完成，速度和安全感兼得。接下来的篇幅，我会带你从第一次启动开始，一路走到命令行、HTTP 接口这类进阶玩法，全程照着做就能上手。

主角的底气：Umi-OCR 凭什么敢承诺"离线可用"

在动手之前，先快速看清它的三个底牌，你后面用起来会更安心：

• 开源免费：代码全部开放，个人用、团队用都不花钱；
• 绿色免安装：解压即运行，不写注册表、不留系统垃圾；
• 本地引擎：内置离线 OCR 引擎和多国语言识别库，断网也能干活。

换句话说，从拿到它的那一刻起，你就不欠任何一台服务器"一次上传"。这也是它和在线识别工具最本质的分水岭。

起跑热身：解压即用，第一次启动只需三步

项目发行版通常提供两种包：普通压缩包（.7z）和自解压包（.7z.exe）。如果电脑里没装压缩软件，选自解压版双击就能自动解压，省心得很。

1. 拉取仓库：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR，或者直接下载发行压缩包；
2. 解压到任意文件夹：Windows 双击Umi-OCR.exe，Linux 运行umi-ocr.sh；
3. 看到主界面出现，就完成了——没有安装向导，没有下一步按钮。

💡 小提示：软件首次启动会跟随系统语言自动切换界面文字。想手动调整？后面"调成顺手的样子"一节会讲到。

先把最高频的动作练熟：框选屏幕文字，一键复制走

日常使用中，截图识别是出现率最高的功能。无论是文章段落、报错信息、聊天记录，还是别人发来的"只读"表格截图，都能一键变成可复制的文本。

操作路径只有三步：

1. 打开「截图OCR」标签页；
2. 按下软件默认的截图快捷键（也可以进设置改成你习惯的组合键），屏幕进入取景状态；
3. 用鼠标框选目标区域，松开后识别结果自动出现在右侧记录栏。

识别完成后能做什么？左侧预览栏支持鼠标划选直接复制；右侧记录可以逐条编辑，也能多选合并后一次性复制走。更妙的是，就算没有截图，从别处复制一张图片直接粘贴进软件，同样能触发识别——是不是很省心？

📌 进阶小技巧：遇到代码截图，可以在「文本后处理」里选择"单栏-保留缩进"方案，行首缩进和空格会被完整保留，粘贴进编辑器后几乎不用二次整理。多栏杂志、竖排文章也各有对应的排版解析方案可选。

正式开工前：花两分钟把界面调成顺手的样子

工欲善其事，必先利其器。在进入大批量处理之前，建议先去「全局设置」页做一轮轻定制，后面用起来会顺手很多：

• 语言与主题：界面支持简体中文、繁体中文、英文、日文等多语言；亮色、暗色主题随时切换；
• 字体与比例：觉得界面字太小，可整体调大文字或界面缩放比例；
• 快捷方式：一键创建桌面/开始菜单快捷方式，还能设置开机自启；
• 窗口行为：标签栏支持窗口置顶，也能锁定标签页，防止日常误触关闭。

多语言这块值得多说一句：软件不仅识别内容支持多国语言，整个界面本身也做了完整本地化。下图展示了同一软件在简体中文、日文、英文下的界面表现，团队还通过开放的翻译协作平台持续扩充语种，这也是它能在全球社区流行的原因之一。

批量流水线：上百张图片拖进来，水印页眉自动请出去

如果说截图识别解决的是"单张快取"，那批量识别解决的就是"成堆的活"。面对几百张商品图、资料截图或扫描件，手动一张张来会让人崩溃，而批量页能把这件事压缩成"拖进去、点开始、等结果"。

1. 在「批量OCR」页点击选择图片，或直接把文件拖入列表区；
2. 按需设置输出格式与输出目录；
3. 点击「开始任务」，进度条实时显示处理进度与单张耗时。

支持 JPG、PNG、WebP、BMP、TIFF 等常见格式，数量没有上限；结果可以存为 TXT、JSONL、MD 或 CSV——其中 CSV 能直接用 Excel 打开，归档整理特别方便。

📌 别错过"忽略区域"：如果图片角落固定有水印、LOGO 或页眉，先在忽略区域编辑器里按住右键画出几个矩形框，任务中这些位置的文字会被整体跳过，识别结果会干净得多。这招对付"带水印的批量资料"尤其管用。

扫描版 PDF 的救赎：从逐页翻拍到全文可搜索

扫描版 PDF 可能是比图片更令人头疼的存在：内容明明都在，却一个词都搜不了、复制不了。Umi-OCR 的「文档识别」正是为此准备的。

1. 在批量页点击「选择文件」，导入 PDF（也支持 XPS、EPUB、MOBI、FB2、CBZ 等电子书格式）；
2. 在输出设置中选择"纯文本"或"双层可搜索 PDF"；
3. 启动任务，软件自动逐页识别。

选"双层 PDF"输出时，生成的文件既保留原始扫描页面，又内嵌了可选中、可复制的文本层——拿去检索、引用、归档都方便。和批量识别一样，这里也能设置忽略区域来排除页眉页脚，还能在任务完成后自动关机/休眠，夜里挂机跑大文件，第二天直接收结果。

顺手的彩蛋：二维码识别与生成，一个页面全包

你以为它只会认字？其实二维码功能也是内置的，识别与生成双向都支持：

• 扫码：截图、粘贴或拖入一张含二维码/条形码的图片，即可读出内容，一张图里有多个码也能逐个识别；
• 生成码：输入文本，一键生成二维码图片，可指定协议类型与纠错等级。

兼容的编码协议多达 19 种，包括常见的 QRCode、DataMatrix、PDF417 等，应付日常办公绰绰有余。

进阶玩法：从图形工具升级成"可编程组件"

如果你愿意多花十分钟，Umi-OCR 还能变身开发者的好帮手：

• 命令行调用：主程序支持--screenshot（唤起截图）、--path（指定图片或文件夹批量识别）、--show/--hide（显示/隐藏窗口）等指令，写进脚本就能跑通一条识别流水线；
• HTTP 接口：在全局设置中开启本地 HTTP 服务后，其他程序可通过接口调用图片 OCR、文档识别与二维码功能，适合作为自建工具的底座；
• 插件体系：通过UmiOCR-data/plugins目录可以扩展不同 OCR 引擎，对识别速度或准确率不满意时，换一个引擎试试也许会有惊喜。

💡 命令行与接口的完整参数说明，项目 docs 目录下的命令行手册和 HTTP 接口手册都有详细讲解，按需翻阅即可。

新手避坑速查表：五个高频疑问一次说清

写在最后：让文字提取从"苦差事"变成"顺手的事"

回头看看开头那个场景：一沓扫描件、一屏接一屏的截图、不敢上传的隐私——在 Umi-OCR 面前，这些都变成了"拖进去、点开始、等结果"。从第一次框选截图，到批量处理、PDF 转换，再到命令行与 HTTP 接口的进阶玩法，你会发现工具的价值不只是省时间，更是把"能做但懒得做"变成了"一键就有捷径"。

这款软件完全免费开源，项目也一直在迭代。建议偶尔翻翻更新日志（CHANGE_LOG.md），新功能可能就在某次更新里悄悄上线。现在就动手下载体验吧——下一次需要"搬运文字"的时候，希望你已经有了趁手的家伙。

【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