企业官网建设流程全解析

扫描PDF复制不出文字？我用 Umi-OCR 离线OCR 把500页书变成了可搜索文本

【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

你是不是也遇见过这种情况：PDF 里的字看得清清楚楚，想复制一句话出来，鼠标圈了半天只得到一片空白；手机相册里躺着几百张拍书页的照片，想转成文字却不知从哪下手。如果你的答案是"是"，这篇Umi-OCR使用记录值得读完。它是一款免费、开源的离线OCR软件：不联网、不注册，把截图识别、批量图片转文字、扫描PDF文字提取、二维码扫描生成全装进了一个程序。

先回答三个问题：这软件解决了我的哪些"懒"

动手之前，我先盘点了自己最痛的三件事：

• 扫描版PDF：没有文字层，只能一页页翻着看，想检索一个术语要眼扫全书；
• 手机照片：书页、课件、白板拍了几百张，张张是图，没法搜索也没法编辑；
• 屏幕截图：教程里的代码、文章里的段落，截图存了一堆，用时还得对着打。

这三件事的共同点，是把图变成字。而我找到的答案，就是这个叫Umi-OCR的离线OCR软件。

为什么我留下它：四个不吹不黑的理由

1. 数据不出本机——OCR 引擎跑在本地，图片不用上传到任何服务器，对课件、书稿这类不方便外传的资料尤其重要；
2. 免费且开源——没有试用期、没有水印、没有会员墙，长期维护，更新日志写得明明白白；
3. 批量能力是真的——图片、PDF 都能成批排队处理，睡前挂机、醒来收成果；
4. 上手不费劲——主界面就是几个标签页，每个功能摆在明面上，不用读文档也能猜个八九不离十。

先放一张全局设置界面，后面每个场景里都会反复用到它：

场景一：扫描版PDF的文字提取方法，从翻书到全文搜索 🔍

我手头最棘手的是一本 500 多页的扫描版技术书，出版社只给了图片版 PDF——文字层一个字符都没有。查一个术语，我得翻十几页；想摘一段引用，只能照着屏幕敲。

我的做法是打开"文档识别"标签页，把 PDF 拖进去，选择输出成双层可搜索PDF：底层保留扫描原图，顶层覆盖一层透明识别文字。这样既保留了书的原貌，又能像普通文档一样全文搜索、划词复制。

有几个值得记住的细节：

• 支持 pdf、xps、epub、mobi、fb2、cbz 等格式，不只是 PDF；
• 本身带文字层的文件可以直接提取原有文本，省一遍识别时间；
• 处理长文档时，先在设置里把页眉、页脚划进忽略区域，避免页码和书名混进正文。

那本书大约跑了一个多小时，睡一觉醒来，整个 PDF 都能检索了。后来写技术笔记，我直接搜索关键词定位段落，几秒钟就能找到出处。

场景二：三百张手机照片，批量转文字的最优解 ⏳

扫描书解决之后，第二个坑是手机里的照片。我攒了三百多张拍的书页和课件，一张张用截图识别显然不现实。于是我把它们全部拖进"批量OCR"标签页——这个页面支持 jpg、png、webp、bmp、tif 等常见格式，没有数量上限。

点"开始任务"后，右侧面板会实时显示每张图的耗时和置信度，跑完的结果可以整体导出为 txt、jsonl、md 或 csv（Excel）格式，方便后续整理。

这一页最实用的功能是忽略区域：我的照片里总有手机时间水印和页角阴影，每次识别都会混进"15:30""2026/08"这类噪声。进入忽略区域编辑器，按住右键在水印可能出现的位置画上矩形框，任务执行时这些区域内的文字会被整块跳过，识别结果干净一大截。

三百多张照片，让它在后台慢慢跑，我中途去干别的，回头来看结果已经全部就绪。

场景三：课件截图里的代码，怎么做到连缩进都不丢 ⚡

日常用得最多的其实是"截图OCR"：按一下截图快捷键，框住屏幕上任意区域，松开鼠标右侧就吐出识别结果。我试过识别一段 Python 课件，代码里的缩进和空格都被原样保留下来，直接粘贴就能跑。

这里的关键在"文本后处理"里的排版解析方案：

• 识别代码截图，选单栏-保留缩进，行首缩进和行中空格原样保留；
• 读多栏论文页面，选多栏-按自然段换行，左右栏按阅读顺序输出，不会交叉错乱；
• 竖排文字（日文古籍、老报纸）也能自动处理。

右侧的记录栏支持划选多条一起复制，也可以把剪贴板里复制好的图片直接粘贴进来识别。一个下午的课件整理，被我压成了半小时。

踩坑与技巧：四条用学费换来的经验 🕳️

用了一段时间，踩过不少坑，整理成四条最值得分享的：

1. 识别超长图报错：像素超大的长截图会提示图像过大。解决办法是进"批量OCR → 设置 → 文字识别 → 限制图像边长"，把数值调高。
2. 截屏闪烁、界面错位：某些电脑上会出现截屏闪烁或 UI 错位，去"全局设置 → 界面和外观 → 渲染器"换一种渲染方案，或直接关闭硬件加速，基本能解决。
3. 忽略区域画太小没用：只有完全落在矩形框内部的整个文本块才会被忽略。水印位置飘忽不定的话，宁可把框画大一圈。
4. 语言不对就白跑：识别英文资料时，记得先确认当前用的是支持英文的 OCR 引擎和语言库，否则中文模型会输出一堆乱码。

和在线OCR、商用软件相比，差在哪

用过在线 OCR 网站，也研究过商用识别软件，我的结论是各有所长：

• 在线OCR：方便，但要把资料传上别人的服务器。对涉及未公开内容的课件和书稿，这一步我迈不过去；
• 商用软件：识别质量确实好，但价格对个人用户不友好，且通常要联网激活；
• Umi-OCR：免费离线，隐私和成本两头都顾上，中文、英文、日文的识别精度都够日常使用。代价是需要自己下载引擎、稍作配置，好在配套文档齐全，支持 Windows 7+ 和 Linux。

多语言界面它也做得认真——简体中文、繁体中文、英文、日文随意切换，入口就在全局设置里，一次选择永久生效：

复盘：处理资料的方式，从"翻"变成了"搜"

用了一个多月，回头复盘，真正改变我的不是某个炫技功能，而是三点：

• 完全离线，课件、书稿不用经过任何第三方之手；
• 上手不费劲，核心功能都摆在标签页上，第一次用就能跑通完整流程；
• 批量处理省心，图片、PDF 都能成批跑，配合"完成后自动关机"，把等待时间从白天挪到了夜里。

如果你想深入，命令行调用和 HTTP 接口的说明都在项目里：命令行手册见 docs/README_CLI.md，HTTP 接口文档见 docs/http/api_doc.md，功能演进记录在 CHANGE_LOG.md。开发者想看源码，可以直接git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。

如果你手头也压着扫描件、截图和旧 PDF，别急着逐字手打。去项目仓库的发行版页面下载一份，挑你最头疼的文档试一次——把图和字之间的那堵墙拆掉，也许只需要一个周末的下午。

【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