企业官网建设流程全解析

Umi-OCR免费离线OCR指南：一键截图识别与批量OCR

【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、离线的 OCR 软件：截图识别、批量 OCR、扫描件转双层可搜索 PDF、二维码扫码与生成，全部在本地完成。不联网、不注册账号，解压发行版即可运行，支持 Windows 7 x64 与 Linux x64。

先把这款免费离线 OCR 工具跑起来

本章解决最基本的问题：怎么拿到它、装在哪、第一次识别怎么做。

• 获取方式：.7z压缩包或.7z.exe自解压包均可；开发者也可以克隆源码git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。
• 解压后双击Umi-OCR.exe启动，Linux 下则执行umi-ocr.sh。没有安装步骤、没有注册、没有登录。
• 首次启动时界面语言自动跟随系统；也可以进「全局设置」手动切换。
• 打开「截图OCR」标签页，按快捷键框一下，文字就出现在右侧记录栏里。

排障只看两点：命令行没反应时，检查全局设置里的 HTTP 服务是否开启（默认开启，通信只走本地环回）；主程序打不开，多半是解压不完整，重新解压一次。

如果你在想「为什么不用在线 OCR」，可以看这张对比：

数据涉密、常在无网环境办公、或一次要处理成百上千份文件，选离线最省心；只是偶尔识别一两张图且追求极致精度，在线大模型可以当补充。

图里有字想复制，截图识别是最快的路

本章解决「文字锁在图片里、我需要纯文本」的问题，从框选到复制进文档。

📷 操作只有三步：

1. 打开「截图OCR」标签页，按截图快捷键截屏（或从别处复制图片后直接粘贴）；
2. 左侧预览栏看效果，右侧记录栏划选内容，按Ctrl+C复制；
3. 结果要落盘的话，用命令行一步完成：

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

排版解析方案按内容选：普通文章选「多栏-按自然段换行」，代码截图选「单栏-保留缩进」，行首缩进和行内空格都原样保留。这些方案能自动处理横排和从右到左的竖排文字，不用操心排版方向。记录栏里的文字可以直接编辑，也可以一次划选多条记录合并复制。

几百张图片让批量 OCR 一次跑完

本章解决「一整文件夹扫描图等待转文本」的问题。

• 用「选择图片」或拖拽导入，支持jpg、png、webp、bmp、tif等常见格式；
• 设置保存目录和输出格式：txt、jsonl、md、csv，其中 csv 用 Excel 就能直接打开；
• 点「开始任务」，每张图的结果逐条进记录栏，任务无数量上限。

📦 批量页右栏有忽略区域编辑器：按住右键画矩形框住水印或页脚位置，框内的文本块就不会出现在结果里。框要画大，完整罩住水印可能出现的所有位置，结果才稳。

顺带把票据码一起校验

二维码标签页同时负责识别和生成。识别侧：截图、粘贴或拖入本地图片都行，一张图里多个码全部读出，覆盖 QRCode、DataMatrix、EAN13、PDF417 等 19 种协议；配合批量导入，一次就能校验一批带码的票据或物料图。生成侧：输入文本得到码图，纠错等级等参数都可以调。

扫描件变成双层可搜索 PDF

本章解决「扫描件搜不到字、也复制不了字」的问题。

支持的格式是pdf、xps、epub、mobi、fb2、cbz，既能对扫描页做 OCR，也能提取文档里已有的原有文本，还可以输出双层可搜索 PDF——扫描原貌和排版一点不变，文字层却能全文检索和复制。对归档来说，这比单导一份 txt 更实用。

• 选择文档文件，启动任务；
• 设置里开启忽略区域，把页眉页脚的干扰文字挡在外面；
• 夜间跑长任务，可勾选任务完成后自动关机或休眠。

识别效果不对，先动这两个参数

本章解决「结果不准、速度不快」的问题，动手前先知道该拧哪个旋钮。

最核心的参数是「限制图像边长」：边长超过该值的图片会先压缩再识别，默认 960，还有 2880、4320 和无限制可选（该参数适用于 PaddleOCR 引擎）。数值越低速度越快，越高对大图越准：

另有两处设置值得记住：

• 文字倾斜或倒置，在页面设置里开启「纠正文本方向」，代价是速度略降；
• 识别英文、日文等混排内容时，把语言/模型库切到对应的识别库，不要用默认中文库硬跑。

界面层面，「全局设置」里可以调语言（繁中、英语、日语等）、多套亮暗主题、字体和界面大小比例；各语言包的进展可在 CHANGE_LOG.md 里查到。

想把 Umi-OCR 接进自己的程序，用命令行或 HTTP

本章解决「怎么把识别能力嵌进自己的脚本和软件」的问题。

⚡ 命令行入口就是主程序本身，前提是全局设置里的 HTTP 服务处于开启状态。两条常用指令：

umi-ocr --screenshot screen=1 rect=50,100,300,200 umi-ocr --path "D:/img1.png" "D:/image/test"

第一条对第 2 个显示器的指定矩形区域做范围截屏识别；第二条批量识别指定文件和文件夹（含嵌套子文件夹）。结果可用--clip写进剪贴板，或用--output、--output_append写入文件。指令支持前缀简写，完整参数见 docs/README_CLI.md。

HTTP 接口四步走通：

1. 全局设置中允许 HTTP 服务（默认开启，主机选「仅本地」即可）；
2. 调用/api/ocr/get_options，拿到当前引擎支持的全部参数、默认值和可选值；
3. 调用 Base64 识别接口，图片编码后发送，语言、排版、忽略区域都能随参数传入；
4. 按data.format取回结果：text是纯文本，dict是带坐标等信息的详细字典。

后端对并发支持有限，建议串行调用；偶发连接类报错时重新发起请求即可。完整端点说明见 docs/http/README.md 与 docs/http/api_ocr.md。

从这 5 步开始动手

本章解决「都看完了，现在该做什么」的问题，两个高频疑问也一并回答。

Q：识别准确率不高怎么办？把「限制图像边长」从 960 调到 2880 或 4320；文字倾斜就开启「纠正文本方向」；混排外文切到对应语言库。如果原图本身模糊、歪斜，先重拍或重扫，再谈调参。

Q：批量处理大量图片太慢？反着来：调低「限制图像边长」，控制单次导入数量，关掉占内存的后台程序。长任务勾选「任务完成后自动关机/待机」，挂机一晚跑完。

上手路径，从第一次启动到第一次自动化：

1. 解压发行版，双击Umi-OCR.exe，用截图快捷键完成第一次框选识别；
2. 把一个图片文件夹拖进「批量OCR」，选md格式跑一遍，看批量效果；
3. 拿一份扫描件 PDF 试「文档识别」，在输出的双层可搜索 PDF 里验证检索；
4. 在水印位置固定的批量图里画一个忽略区域，对比开与关两次的结果差异；
5. 需要自动化时，先跑一条--screenshot命令，再照 docs/http/README.md 走通一次 HTTP 调用。

从「图里有字」到「文字进文档、进剪贴板、进档案」，Umi-OCR 给的最短路径就是：一次快捷键、一个任务、一份文件。

【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