企业官网建设流程全解析

Umi-OCR 离线 OCR 完全指南：截图、批量图片、扫描版 PDF 识别，从 0 到跑通自动化

【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、完全离线的 OCR 文字识别工具：截图识别、批量图片识别、扫描版 PDF 转可搜索文本、二维码扫码与生成，全部在本机完成。图片不上传、不联网、不注册，识别次数不设上限。

这篇文章按"任务"带你走：先拿到第一个识别结果，再把量扩大到整批图片、整本 PDF，最后把 Umi-OCR 接进你的自动化流程。

能力全景：先看这张地图

最短路径上手：3 步拿到第一个结果

1. 拿到发布包：从项目 Release 页下载 v2.1.5 的.7z压缩包（没有解压软件就用.7z.exe自解压包，双击即可解开）。想用源码的话执行：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。解压到纯英文路径，例如D:\Tools\Umi-OCR，避免中文和空格。
2. 启动：Windows 双击Umi-OCR.exe，Linux 运行umi-ocr.sh。无需安装，首次启动会按系统语言自动切换界面。
3. 识别：打开截图OCR标签页，按页面提示的快捷键唤起截图框，划出文字区域，右侧记录栏立刻出现识别结果。

场景实操一：截图 OCR，屏幕上的字直接拿走

你遇到什么：屏幕上一段文字，想复制进文档，但它是图片、网页截图或视频画面，没法选中。

怎么操作：

1. 打开截图OCR 标签页，按快捷键唤起截图框。
2. 划出文字区域，松开鼠标，结果出现在右侧记录栏。
3. 在记录栏直接编辑文字，划选多条记录可一次复制。

关键细节：不截图也能识别。在别处复制一张图片（比如聊天窗口里的图），切回 Umi-OCR 直接粘贴，效果相同。记录栏支持编辑，省去"识别完再开编辑器整理"这一步。

一个提醒：识别出的文字默认经过排版解析——引擎吐出的是"散装"文本块（一块块零散的文字），由排版解析器决定谁先谁后，横排、竖排（从右到左）都能按阅读顺序输出。方案怎么选，后面"参数调优"一节细讲。

场景实操二：批量图片识别，一次拖入几百张

你遇到什么：手头有几百张截图、拍照文件要转文字，一张张手动识别不现实。

怎么操作：

1. 切到批量OCR标签页，把图片直接拖进窗口，没有数量上限。
2. 点开始任务，右侧面板逐张显示耗时、置信度和识别结果。
3. 跑完按输出格式保存。

关键细节：批量页右栏设置里可打开忽略区域编辑器——按住右键在图片上画多个矩形框，框住水印、LOGO、页脚可能出现的位置，识别时这些区域内的文字会被自动排除。

一个提醒：这里有一个必须记住的机制：只有整个文本块完全落在框内，才会被忽略，按单个字符不算。所以框要画得足够大，把水印所有可能落位都包住；框小一号，结果里就多一行杂音。

场景实操三：文档识别，把扫描版 PDF 变成可搜索 PDF

你遇到什么：一柜扫描版 PDF、EPUB，能看不能搜，想归档或提取文字。

怎么操作：

1. 打开文档识别标签页，拖入文档。支持pdf、xps、epub、mobi、fb2、cbz六种格式。
2. 选择提取方式，跑任务。它的逻辑是"先挑现成的，再补缺的"：解析器（底层依赖 PyMuPDF）会区分 PDF 里自带的文本层和扫描图片层——自带文本的页面直接提取，速度快且零识别误差；只有纯扫描页才交给本地 OCR 引擎。你也可以反向操作：整页强制 OCR，或只提取原文本。
3. 选择输出成品。

关键细节：文档识别同样支持按页码范围设置忽略区域——把统一位置的页眉页脚一次性排除掉，再配合"任务完成后自动关机/待机"，一整柜扫描旧书可以挂夜里跑完。

一个提醒：v2.1.5 修复了提取原文本层时未处理页面旋转的问题。如果你的 PDF 有旋转过方向的页面且识别位置错位，先升级到最新版再下结论。

场景实操四：二维码，扫码和生成一起搞定

你遇到什么：屏幕或图片里有二维码/条形码要读，或者想把一段文本变成码图片。

怎么操作：

1. 打开二维码标签页，用截图、粘贴、拖入图片三种方式之一输入，扫码结果立刻显示；一张图里多个码也能一次读出。
2. 覆盖 QRCode、EAN13、Code128 等 19 种码制。
3. 切到生成方向：选码制和纠错等级，把文本直接输出成二维码图片。

关键细节：命令行下还能指定尺寸批量生成（见下文命令），适合"一个链接一个码"的批量打印场景。

一个提醒：扫码用的输入方式和截图OCR 完全一致——复制图片后粘贴进来即可，不用先存盘。

参数调优：四个设置决定识别质量

现象 | 去哪调 | 怎么调

排版解析方案全集：

两个容易混淆的概念：

• 界面语言 ≠ 识别语言库。前者管菜单按钮显示什么文字（全局设置里改），后者管 OCR 引擎认哪种文字（各标签页单独选）。界面用中文、日常识别日文书籍，这种组合完全成立。
• OCR 引擎可随时切换。默认内置 Rapid-OCR（兼容性好，遇到报错先换它）和 PaddleOCR（速度稍快）两套引擎，全局设置里切。

接入自动化：命令行与 HTTP 接口

软件运行期间，本地 HTTP 服务默认监听127.0.0.1:1224（仅本地环回，不经过物理网卡，端口可在全局设置中修改）。所有命令行指令都通过这条通道发给后台进程，所以命令行要求 HTTP 服务处于开启状态（默认开启）。

命令行

入口就是主程序Umi-OCR.exe（Linux 为umi-ocr）。所有指令支持前缀简写，如--screenshot可写成--sc。

# 截屏识别，结果直接进剪贴板 umi-ocr --screenshot --clip # 递归识别整个文件夹（含子目录），结果追加到 all.txt umi-ocr --path "D:\scans" "-->>" all.txt # 生成 256x256 二维码图片，末尾数字可单独指定宽和高 umi-ocr --qrcode_create "https://example.com" "D:\qr.png" 256 # 免鼠标划选：截取第 2 块显示器 (50,100) 起点、300x200 区域并识别 umi-ocr --screenshot screen=1 rect=50,100,300,200 # 查看全部指令 umi-ocr --help

其中"-->>"等价于--output_append（追加写入），"-->"等价于--output（覆盖写入）。范围截图配合快捷键工具，可以做成"按一下 F10 就识别固定屏幕区域"。

完整参数见 docs/README_CLI.md。

HTTP 接口

需要程序化收结果时（比如命令行管道重定向失效的场景），直接用 HTTP：图片识别接口接收 Base64 图片、返回 JSON 结果，文档识别走"上传 → 轮询状态 → 下载"三步流程。

# 最小示例：传一张 Base64 编码的图片，返回 JSON 识别结果 import requests, json r = requests.post("http://127.0.0.1:1224/api/ocr", json={"base64": b64_image, "options": {"data.format": "text"}}) print(json.loads(r.text)["data"]) # 识别出的纯文本

接口文档在 docs/http/api_doc.md，可查的参数还包括排版解析方案、忽略区域坐标等，几十行代码就能封装成"传图 → 返回 JSON"的小服务，接进自己的自动化脚本里。

排错：现象 → 原因 → 解法

命令行指令没有任何反应？两个原因：一是命令行依赖本地 HTTP 服务传递指令，确认全局设置里 HTTP 服务处于开启状态（默认开启）；二是入口必须用主程序Umi-OCR.exe，RUN_GUI.bat这类备用启动器不支持命令行。

忽略区域画了，水印文字还在？原因是忽略机制按"整个文本块"判定。检查两点：矩形框是否把整个文本块完整包住（只包住一半不算）；配置是否已保存。

旋转方向的扫描件，识别出的文字位置错位？早期版本提取原文本层时未处理页面旋转，v2.1.5 已修复。遇到此问题先升级到最新版。

拖入几万个文件的文件夹，界面卡死？v2.1.5 改进了图片/文档的异步加载机制，超大文件夹会显示加载进度。等进度跑完再操作，不要在加载期间连续提交任务。

长图识别结果缺头少尾？原因是"限制图像边长"默认值 960 较低，超大图片被压缩处理。到页面设置里调高该数值即可，不要直接放大原图。

识别报错或结果明显不准？先在全局设置把引擎切到 Rapid-OCR 试试；仍不行再检查识别语言库是否匹配图中文字。

下一步

下载最新版 v2.1.5，完成两件事：先做一次截图识别拿到第一个结果，再把批量页的忽略区域画好。这两步走完，你手头任何带水印的图片或扫描版 PDF，都能直接产出干净的文本。之后如果想让它无人值守地干活，从"接入自动化"一节的--screenshot --clip命令开始试。

【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