企业官网建设流程全解析

离线OCR一步到位：截图抓字、批量转换与PDF识别实战指南

【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

同事甩来一份扫描版PDF合同，你全选、复制，屏幕上只回敬一句"无法从此PDF复制文字"；转头打开在线识别网站，又撞上"单日免费额度已用完"，还得先把敏感文件上传到别人的服务器。这类让人抓狂的瞬间，正是离线OCR软件 Umi-OCR 存在的理由——免费、开源、完全本地运行，图片和文档全程不出你的硬盘，识别多少张、多大多小，都由你说了算。

Umi-OCR 帮你省掉的是：注册账号、联网、上传文件、计费额度，以及"把敏感文档交给陌生人服务器"的提心吊胆。它把整套 OCR 引擎搬进你的电脑，解压双击就能用。

三分钟启动：离线OCR软件的解压即用路径

Umi-OCR 是绿色软件，不需要安装，上手压缩成三个动作：

1. 下载：从项目发布页拿.7z压缩包或.7z.exe自解压包。电脑没装压缩软件的话，选自解压包，双击就能自己解开。
2. 解压：解到任意目录，比如D:/Tools/Umi-OCR。路径里别带中文和空格，能省掉很多莫名奇妙的兼容问题。
3. 启动：双击Umi-OCR.exe（Linux 用户运行umi-ocr.sh）。首次启动会自动读取你的系统语言来切换界面。

⚠️易错提醒：启动前把软件目录加进杀毒软件白名单。Umi-OCR 内置了本地 OCR 引擎和运行库，部分杀软会误报成风险程序直接拦掉，加白名单能避免后面一连串"为什么闪退"的排查。

场景一：截图识别——屏幕上的字，划一下就进剪贴板

最常见的需求往往是随手一划：看到一段文字想立刻复制，手动敲一遍太蠢，网页截图工具又要求上传。打开"截图OCR"标签页，按下快捷键唤起截图框，划出目标区域，识别结果马上出现在右侧记录栏里。

几个顺手的小习惯值得记下：

• 不用截图也能识别：在聊天窗口复制一张图片，回到 Umi-OCR 直接粘贴，一样给你识别。
• 结果可以二次编辑：记录栏里的文字能直接改错，还能划选多条记录一起复制，识别完顺手就能整理格式。
• 竖排文字也不怕：排版解析会自动处理横排和竖排（从右到左）的文本，只要 OCR 引擎本身支持竖排即可。

效果收益：识别即所得，最快的路径是"快捷键唤起 → 划框 → Ctrl+V 带走"，全程不过两三秒。

进阶小技巧：截图识别同样受"文本后处理"里的排版方案影响。识别代码截图时，切到"单栏-保留缩进"，输出能基本保持缩进结构，配合截图 OCR 简直是搬代码的福音。

场景二：批量图片识别——几百张图一次拖进去，水印自动隐身

手头攒了几十上百张截图、扫描件或相册照片，一张张截屏识别就太亏了。切到"批量OCR"标签页，把图片直接拖进窗口——支持jpg、png、webp、bmp、tif、tiff等常见格式，一次拖几百张也没有数量上限。

点下"开始任务"，右侧会逐张显示文件耗时、置信度和识别结果。任务跑完，可以按需输出成txt、jsonl、md、csv四种格式，csv 可以直接用 Excel 打开。深夜挂机党还有福利：任务支持完成后自动关机或待机，睡前扔进去几百张图，醒来直接拿结果。

效果收益：批量导入 + 多格式导出，把"逐张人工截图识别"从几小时压缩到几分钟。

进阶小技巧——忽略区域：批量识别有个高频痛点——图片角落的水印、LOGO、页眉页脚，每次都会混进结果里。在批量识别页右侧设置里进入忽略区域编辑器，按住右键绘制多个矩形框，把水印可能出现的位置都框住，识别时这些区域内的文字就会被自动排除。注意一个关键机制：只有完全处于矩形框内部的整个文本块才会被忽略，而不是单个字符。所以画框时宁可大一点，把水印所有可能出现的位置都包住，否则漏框一次，结果里就混进一行杂音。

场景三：文档识别——扫描版PDF变成可搜索文本

扫描版 PDF 是 OCR 的经典难题：整份文件就是一张张大图，没有任何文字信息，复制、搜索、标注全都做不了。Umi-OCR 的"文档识别"标签页就是为这类文件准备的，支持pdf、xps、epub、mobi、fb2、cbz六种格式。

底层逻辑可以概括为三步：解析 → 识别 → 重组。PDF 先被解析引擎拆开，区分出"本来就有的文本层"和"需要 OCR 的扫描图片层"；扫描图片交给本地 OCR 引擎逐页识别；最后按阅读顺序重新拼装输出。

两个亮点值得展开：

• 双层可搜索 PDF：对扫描版做 OCR 后，输出"底层是原图、上层是透明文字"的双层 PDF。外观和原扫描件一模一样，但里面的文字可以搜索、复制、划线。给公司做合同归档、给学校做论文数字化，这个功能直接顶上去。
• 灵活的提取模式：Umi-OCR 会优先提取 PDF 自带的文本层（速度快、零识别误差），只有遇到纯扫描页才自动切换到 OCR。你也可以主动选择整页强制 OCR，或反过来只提取原文本；v2.1.2 起还支持输出单层纯文本 PDF，想要体积小、好编辑的文件时选它。

效果收益：扫描版合同、论文、旧书，一次转换全部变成可检索、可复制的数字文本，省下大量人工抄录。

进阶小技巧：文档识别同样支持忽略区域，而且可以按页码范围设置，专门用来排除扫描件的页眉页脚；它也支持任务完成后的自动关机。另外，v2.1.5 修复了 PDF 页面旋转导致的文本错位问题——如果你手头有旋转过方向的扫描件，务必用最新版。

场景四：命令行与HTTP接口——把离线OCR塞进自己的工具链

GUI 用顺手了，有些人还想更进一步：把 OCR 接进自己的脚本和工作流。Umi-OCR 的命令入口就是主程序本身，前提是全局设置里的 HTTP 服务保持开启（默认开启，且仅监听本地环回、不经过物理网卡，数据不会外泄）。几个拿来即用的姿势：

# 截屏识别，结果直接进剪贴板 umi-ocr --screenshot --clip # 识别指定图片，结果输出到文件 umi-ocr --path "D:/扫描件.png" --output result.txt # 识别整个文件夹（含子目录），结果追加到同一个文件 umi-ocr --path "D:/scans" "-->>" all_result.txt # 生成二维码图片 umi-ocr --qrcode_create "你好，Umi-OCR" "D:/qrcode.png" 256

效果收益：配合快捷键工具（如 HotkeysCMD），可以实现"按一个键自动截指定屏幕区域并识别"的骚操作；开发者也几十行代码就能封装成局域网小工具。

进阶小技巧：命令支持前缀简写，比如--screenshot可以写成--sc；更完整的参数说明见 docs/README_CLI.md，HTTP 接口文档在 docs/http/api_doc.md，接口文档本身还带可交互的在线示例页。

三个旋钮：把识别结果调得更顺手

OCR 引擎吐出来的文字往往是"散装"的，谁先谁后、怎么断行，取决于下面几个设置。只挑影响最大的三个讲：

旋钮一：排版解析方案。这是对结果观感影响最大的一项。预设方案里，"多栏-按自然段换行"自动识别两栏/三栏布局并按段落断行，覆盖大部分场景；"单栏-保留缩进"是代码截图专用，保留行首缩进和行中空格；"多栏-总是换行"适合后续要按行处理的场景。不确定选哪个，直接选"多栏-按自然段换行"就对了。

旋钮二：限制图像边长。遇到识别长图/大图不完整，去"文字识别"设置里调高限制图像边长。默认边长限制是为了平衡速度与内存，遇到像素特别大的长截图适当调高即可。注意别反过来盲目放大原图——过度放大只会增加噪声，降低准确率。

旋钮三：渲染器。截屏时界面闪烁、错位，多半是显卡渲染兼容问题，去全局设置 → 界面和外观 → 渲染器，切换渲染方案或直接关闭硬件加速，通常能解决。

顺带一提：界面语言和识别语言库是两回事。界面语言管按钮菜单长什么样，在全局设置 → 语言/Language 里切换，支持中、繁中、英、日、俄、葡等；识别语言库管 OCR 引擎认哪种文字，在各标签页的"文字识别"设置里单独选择或下载。界面用中文、识别日文书，二者完全可以搭配。

新手避坑速查表：8个高频问题的标准答案

遇到报错别慌，按这张表对号入座：

• 忽略区域画了却没效果：原因多半是框不够大。只有整个文本块完全在框内才会被忽略，确认矩形框是否包住所有可能出现的位置，且保存了配置。
• 长图识别结果缺胳膊少腿：调高"限制图像边长"，而不是盲目放大原图，过度放大反而降低准确率。
• 截图时界面闪烁、错位：显卡渲染兼容问题，切换渲染器或关闭硬件加速。
• 命令行指令没反应：确认全局设置里 HTTP 服务已开启（默认开启），并且是用主程序Umi-OCR.exe而非备用启动器（如RUN_GUI.bat）作为入口。
• 批量任务想中途休息：v2.1.2 起支持暂停任务，只要软件不退出，待机/休眠后可以继续跑。
• 代码截图排版全乱了：切到"单栏-保留缩进"。
• 多栏论文输出顺序串行：切到"多栏-按自然段换行"。
• 文件夹里有几万个文件加载很卡：v2.1.5 优化了异步加载机制，超大文件夹稍等加载进度走完再操作，预览界面会显示加载进度。

三句话收个尾：Umi-OCR 是免费、开源、离线运行的本地 OCR 工具，截图、批量、文档三大场景覆盖了从随手摘抄到批量归档的绝大多数需求；遇到问题先查上面的速查表，忽略区域、排版方案、渲染器这三个旋钮能解决大部分麻烦；现在就去下载一份解压启动，把第一张图丢进去试试，你会发现在线工具和手动抄录都不再需要了。

【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