企业官网建设流程全解析

300张扫描件、500页PDF全部变成可搜索文字：Umi-OCR免费离线OCR的3个场景实测

【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

半个月前，我手上压着两样"见不得光"的材料：300 多张书页照片，和一本 500 多页、没有文字层的旧书 PDF。我想把它们全部变成能搜索、能复制的文字，全程又不能上云。最后我用一款叫 Umi-OCR 的免费离线OCR软件全部搞定：13 张测试图 14 秒跑完，300 多张照片一次任务导出 Excel，那本 PDF 变成了可全文搜索的双层 PDF。

先说结论：值不值得用

我的判断是：如果你的材料"量大 + 不能联网"，它几乎是目前唯一省心的选择。三条理由：

• 真离线：识别全部在本地完成，断网照跑，通信只走本机环回，不经过物理网卡；
• 解压即用：没有安装步骤，双击Umi-OCR.exe就启动，界面语言跟着系统自动切换；
• 批量能力扎实：图片、PDF 都能成批处理，没有数量上限，跑完还能自动关机。

官方文档里把功能分得很清楚，本文只讲我真实走过的三条任务线。

场景一：从屏幕抠一段代码，原样粘进编辑器

这是最简单的任务。我打开截图OCR标签页，按预设快捷键框住目标，松手右侧立刻出结果。真正拉开差距的是"排版解析方案"：识别代码截图时我选了"单栏-保留缩进"，行首缩进和行内空格都照原样保留，直接粘进编辑器不用重排；换成读多栏论文，就切"多栏-按自然段换行"，左右栏按阅读顺序输出，不会交叉错乱。输入方式我也试了三种：屏幕框选、别处复制图片直接粘贴、本地图片拖进窗口，都能跑。右侧记录栏支持划选多条一起复制，很顺手。

场景二：300多张照片拖进批量任务，一次导出Excel

单张截图只是热身。我的 300 多张书页照片，一张张截显然不现实。做法：在批量OCR页把图片全部拖进任务列表，点"开始任务"，剩下的交给进度条。它支持jpg、png、webp、bmp、tif等常见格式，没有数量上限，结果可导出txt、jsonl、md、csv(Excel)四种格式——我给同事整理资料时导过一次 Excel，直接省掉一步人工录入。实测 13 张图约 14 秒跑完，平均每张 1 秒左右；任务结束还能设置自动关机，睡前挂上就行。

场景三：500页扫描书变成可搜索的双层PDF

如果说批量是量大，扫描件 PDF 就是硬。那本 500 多页的书没有文字层，翻页等于看照片。文档识别页支持pdf、xps、epub、mobi、fb2、cbz等格式，对扫描件做完 OCR 后输出"双层可搜索PDF"——原图在底，透明文字浮在上面。成品既能像原书一样翻页看，又能全文搜索、划词复制：我把一个术语丢进搜索框，几秒内相关段落全部跳出来，比一页页翻省太多。几百页的书每页页眉页脚都有书名和页码，我在文档识别页提前画好忽略框（后面细说），输出立刻干净。多个大文件可以排队处理，配合自动关机，挂上一晚上。

场景四：把OCR能力接进自己的小工具📌

最复杂的一条线是自动化。Umi-OCR 开放了命令行和 HTTP 两种接口：umi-ocr --screenshot直接截屏识别，umi-ocr --path "D:/xxx.png"指定图片或文件夹批量处理（传文件夹会递归扫所有子文件夹），umi-ocr --qrcode_create "文本内容" "输出.png"一行命令生成二维码图片；结果可以用--clip进剪贴板、--output "file.txt"写文件。命令行细节在命令行手册里，HTTP 接口（HTTP接口手册）则能把 OCR、文档识别、二维码都嵌进自己的脚本里。界面本地化也很省心：简体中文、繁体中文、英文、日文、俄语等随系统自动切换，也能在全局设置里手动改，我平时中英日三语资料混着看，切来切去毫无压力。

翻车现场与调优

坑一：超长截图后半段文字丢了。我截一张很长的代码长图，结果只有上半截出了字。定位后发现是页面设置里"文字识别→限制图像边长"在拦：边长超限的图片会被压缩处理。把数值调大后重跑，长图完整输出。

坑二：识别结果里混进一堆"2024-05-12"。我的书页照片右上角总有拍摄时间水印，PDF 页脚又带页码，不处理的话正文被大量重复文字污染。解法是批量页的"忽略区域"编辑器：按住右键画矩形框，把水印可能出现的位置整个包住，任务执行时这些区域被整体跳过。注意一点：只有完全落在框内的"整个文本块"会被忽略，所以框尽量画大些。

另外两个已知局限，我能接受：离线引擎对手写体和低清老照片的识别率确实不如云端，但"资料见不得光"是我选离线的原因，牺牲极限准确率换不上云，划算；HTTP 接口并发能力弱，文档里明确建议不要并发调用，做自动化时我都是串行发请求，没踩过雷。

谁适合 + 三步上手

适合两类人：手里压着扫描件、课件截图、旧 PDF 的人；以及有"材料不能出本机"这类硬性要求的人。上手只需三步：

1. 下载发行包解压——.7z需要解压工具，.7z.exe是自解压包，没装压缩软件也能直接双击；
2. 进入文件夹双击Umi-OCR.exe启动，首次打开会按系统语言显示界面；
3. 打开截图OCR页，按快捷键框一块区域，把右侧第一段结果复制出来。

如果你的收藏夹里还躺着一个在线OCR网站，不如现在花十分钟把上面三步走完——当第一段离线识别出的文字出现在右侧面板时，你大概率会把它删掉。

【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