企业官网建设流程全解析

免费离线OCR工具Umi-OCR完整上手教程：从截图识别到PDF批量处理

【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

每天打开电脑，你是不是也遇到过这样的场景：刚截了一张网页图片，想把里面的文字复制下来，却发现是图片没法选中；同事发来一份扫描版PDF，急需要里面的文字，却只能一页页手打。别急着叹气，今天要介绍的这款免费开源软件——Umi-OCR，就是专门解决这类"看得见却复制不了"的文字提取难题的。它是一款完全离线运行、解压即用的OCR（光学字符识别）工具，不需要联网、不注册账号、不充值会员，装好就能把图片和文档里的文字"抠"出来。这篇文章会带你从零开始，一步步把它用起来。

快速认识它：一句话说清Umi-OCR是什么

Umi-OCR 是一款免费、开源、完全离线的桌面文字识别软件，支持 Windows 7 64位 与 Linux x64 平台。你可以把它理解成一个"本地文字搬运工"：凡是图片里、扫描件里的文字，它都能原样识别出来，变成可以复制、搜索、编辑的普通文本。

在开始之前，先花30秒看看它的"亮点速览"，判断它是否适合你：

适合谁用？

• 经常需要从截图、照片、PDF扫描件中提取文字的学生和上班族
• 注重隐私、不愿意把文档上传到云端识别的用户
• 需要批量处理大量图片或文档的图书管理员、档案整理人员
• 想给软件写自动化脚本的开发者

不太适合谁？

• 追求"识别即排版"的极致还原（Umi-OCR 注重文字内容提取，复杂表格精确还原仍在开发计划中）
• 需要在线云服务、多设备同步的用户

如果您曾经用过在线OCR网站或某些收费识别工具，对比之下会发现：Umi-OCR 不限制识别张数、不压缩图片画质、不上传你的文件，这是它最实在的差异化优势。

第一次上手指南：从下载到完成第一次识别

第一步：获取软件包

Umi-OCR 发布的是.7z压缩包或.7z.exe自解压包，您可以从官方发布渠道下载。自解压包的好处是：即使电脑上没装压缩软件，双击也能自己解压。如果您是开发者，也可以通过 Git 克隆源码仓库https://gitcode.com/GitHub_Trending/um/Umi-OCR自行构建，不过普通用户建议直接下载发行版。

第二步：解压并启动

1. 把压缩包解压到一个纯英文路径下（例如D:\Tools\Umi-OCR），避免个别识别引擎对中文路径过敏。
2. 进入解压后的文件夹，双击Umi-OCR.exe。
3. 首次启动时，软件会按您电脑的系统语言自动切换界面语言；第一次打开稍等几秒，加载OCR引擎后即可使用。

成功标准：看到主窗口出现"截图OCR""批量OCR""文档识别""二维码"等标签页，说明启动成功。首次运行时若弹出安全提示，选择"仍要运行"即可，因为软件为离线绿色版本，未做数字签名。

第三步：完成第一个任务——截图识别文字

1. 切换到截图OCR标签页，此时软件进入待命状态。
2. 按下截图快捷键（默认可在设置中自定义），屏幕出现取色框，用鼠标框选想要识别的区域。
3. 松开鼠标，右侧"记录"面板会立刻显示识别出的文字。
4. 用鼠标划选识别结果，按Ctrl+C复制，粘贴到任何地方。

成功标准：截图框选后右侧出现与图片内容一致的文本，且可以正常复制，恭喜您已经完成了第一次识别！

体验心得：截图OCR 页面左侧是图片预览栏，可直接用鼠标划选复制图片上的文字框；右侧是识别记录栏，支持跨记录划选复制，非常适合快速处理零散内容。

核心功能拆解：四个最值得用的能力

1. 截图OCR：随截随识的"文字快照"

它是干什么的？把屏幕任意区域"拍照"，立刻转成可复制的文字，适合网页、聊天记录、视频字幕等场景。

具体怎么用？在截图OCR页面按下快捷键唤起截图，框选区域即可；您也可以直接在其他地方复制一张图片，粘贴到Umi-OCR窗口里识别。

效果如何？识别结果支持即时编辑、复制；如果识别顺序不对，还可以在页面右侧的"文本后处理"里调整排版解析方案，让输出更符合阅读习惯。

这里特别提一下排版解析方案，它决定OCR结果按什么顺序、什么格式输出，预设方案包括：

2. 批量OCR：几百张图片一键搞定

它是干什么的？一次性把整个文件夹的图片批量识别成文字，没有数量上限。

具体怎么用？切到批量OCR标签页，把图片拖进左侧列表（支持jpg, jpeg, png, webp, bmp, tif, tiff等格式），点击"开始任务"即可。识别结果可保存为txt, jsonl, md, csv(Excel)四种格式。

效果如何？每个文件有独立进度显示，任务支持暂停，即使中途待机或休眠，只要不退出软件，回来后还能继续。如果处理的图片像素特别大，记得在"设置→文字识别→限制图像边长"中把数值调高（默认960，可调至2880甚至无限制），否则长图边缘的小字可能识别不全。

批量OCR 还内置一个隐藏利器——忽略区域：按住鼠标右键在图片预览上画几个矩形框，框内的文字（比如水印、LOGO、页眉页脚）就会被整块跳过，非常适合批量处理带统一水印的图片。

3. 文档识别：把PDF扫描件变成可搜索文本

它是干什么的？这是Umi-OCR的重头戏。它基于PyMuPDF引擎解析文档，支持pdf, xps, epub, mobi, fb2, cbz六种格式，可以把扫描件PDF里的文字提取出来，甚至输出双层可搜索PDF（底层是扫描原图，上层是透明文字层，搜索、复制、选中都OK）。

具体怎么用？在文档识别标签页拖入PDF文件，按需设置后开始任务。针对"既有扫描图又有原生文本"的混合文档，它有四种内容提取模式：

效果如何？输出支持pdfLayered（双层可搜索PDF）和纯文本TXT，还能配合忽略区域排除页眉页脚，批量处理几百页的学术论文也不在话下。识别完成的双层PDF放进阅读器里，可以直接全文搜索关键词，从此告别"对着扫描件一页页翻"的苦日子。

4. 二维码：识别与生成一体

它是干什么的？既是扫码枪也是生成器：从图片中读取二维码、条形码，或把文字生成二维码图片。

具体怎么用？在二维码标签页中，截图、粘贴或拖入图片即可扫码，支持一图多码，兼容QRCode、Aztec、PDF417、DataMatrix、EAN13等19种码制协议。反向操作时，输入文本并选择协议与纠错等级，一键生成二维码图片。

效果如何？生成参数调整后二维码会自动刷新预览，所见即所得。顺带一提，v2.1.5 之后大部分标签页可以手动切换左右/上下双栏模式，浏览和操作更灵活。

避坑与常见误区：新手最容易踩的五个坑

误区1：图片越大越清晰，识别就一定更准其实不然。过大的图片会被引擎压缩处理，过度放大反而引入噪声。建议把"限制图像边长"设置在合理区间（普通文档960、大图2880），在精度和速度之间找平衡。真遇到模糊图，先自己锐化、调对比度再喂给软件。

误区2：忽略区域只用来去水印忽略区域的本意是"排除不需要的文字区域"，页眉页脚、广告栏、签名印章都能用它划掉。批量处理论文时，把页眉页脚框起来，输出结果会干净得多。注意：它是按"整个文本块"来忽略的，矩形框尽量画大、完整包住要排除的内容。

误区3：识别结果一出来就直接用离线引擎再强也有识别率上限。关键文档建议先预览一遍，用Preview1.png这类预览功能对比原图与结果，再决定是否交付。

误区4：遇到界面错乱就以为软件坏了如果出现截屏闪烁、UI错位，先别急着卸载。到"全局设置→界面和外观→渲染器"切换渲染方案，或关闭硬件加速，多数问题迎刃而解。

误区5：忽略了输出格式的选择txt适合快速编辑，jsonl适合程序处理，csv可以直接用Excel打开，双层PDF适合存档。先想清楚用途再选格式，能省下二次转换的时间。

效率提升锦囊：批量、快捷键与自动化

最省心的批量处理方案

在"全局设置"里可以一键添加桌面快捷方式或设置开机自启。批量任务跑起来后，还可以设置任务完成后自动关机/待机，晚上挂着处理，第二天直接收结果，主打一个省心。

值得记住的快捷键

命令行调用：让识别进入你的工作流

Umi-OCR 自带命令行接口（入口即主程序Umi-OCR.exe，前提是在全局设置中允许HTTP服务，默认开启）。几个常用指令：

# 鼠标框选截图并识别，结果存入文件 umi-ocr --screenshot --output result.txt # 识别剪贴板中的图片 umi-ocr --clipboard # 批量识别指定文件夹（含子目录） umi-ocr --path "D:/scans" # 识别二维码图片 / 生成二维码 umi-ocr --qrcode_read "D:/qrcode.png" umi-ocr --qrcode_create "Hello Umi" "D:/out.png"

所有指令支持简写（如--sc代表--screenshot），还能配合--clip直接把结果复制到剪贴板。对于开发者，还有完整的HTTP接口（默认端口1224），支持图片OCR、PDF文档识别、二维码识别/生成，详见项目内docs/http/目录的接口手册。

多语言环境配置

Umi-OCR 内置简体中文、英文、日文、韩文、俄语等多种OCR模型，界面语言同样多国可切。在"全局设置→语言/Language"里切换后重启即生效，让外语材料识别也毫无压力。

不同电脑的性能推荐配置

• 低配（4GB内存）：限制图像边长960、并行任务数1、关闭方向纠正，保证流畅不卡顿
• 标准（8GB内存）：限制图像边长1920、并行任务数2、开启方向纠正，兼顾速度与精度
• 高配（16GB+内存）：限制图像边长2880、并行任务数4，开启全部高级功能

常见问题FAQ

Q1：Umi-OCR需要联网吗？不需要。识别引擎完全在本地运行，断网可用，文档和数据都不会上传到任何服务器。

Q2：识别中文效果好吗？需要额外下载模型吗？简体中文是默认内置模型，开箱即用；繁体、英文、日文、韩文等模型库在插件里可切换，无需额外付费。

Q3：为什么我的长图识别不全？多半是"限制图像边长"数值太低。到批量OCR的设置里调高到2880或更高即可。

Q4：识别PDF可以保留原来的排版吗？可以输出双层可搜索PDF，视觉上保留原扫描排版，同时获得可搜索的文字层；纯文本TXT输出则会按排版方案重排。

Q5：能处理加密的PDF吗？文档识别支持输入密码解密后处理，前提是您知道文档密码。

Q6：软件更新会影响我已有的设置吗？配置文件保存在UmiOCR-data/.settings中，正常更新不会丢失。日志文件则存放在UmiOCR-data/logs目录，方便排查问题。

结语与行动号召

看到这里，Umi-OCR 的四大能力您应该都摸清了：随截随识的截图OCR、批量处理的图片识别、能把扫描件变可搜索文档的PDF识别，还有顺手的二维码工具。它的最大价值在于离线、免费、无上限——那些散落在截图和扫描件里的信息，从此都能一键变成可复用的文字资产。

下一步，建议您直接下载一个发行版试试水，先用截图OCR识别一张网页截图找找感觉；再丢一本扫描PDF进去，体验一次"双层可搜索"的惊喜。想要更深入，可以翻阅项目内的CHANGE_LOG.md了解版本演进，或参考docs/目录下的命令行与HTTP接口文档探索自动化玩法。

推荐仓库地址：https://gitcode.com/GitHub_Trending/um/Umi-OCR（如需自行构建可从该地址克隆源码）。

好用的工具不需要花哨，能实实在在帮您省下时间，就是好工具。愿 Umi-OCR 成为您日常办公里的那个"隐形助手"。现在就动手，识别你的第一张图吧！

【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