企业官网建设流程全解析

Umi-OCR：三步把扫描PDF变成可搜索文档

【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

面对一份两百页的扫描论文，想搜一个关键词却搜不到，逐页复制粘贴更是无从下手。Umi-OCR 是一款开源、免费的离线文字识别（OCR）软件，截图、批量图片、PDF 文档都能识别。它全程本地运行、无需联网，识别模型内置在软件里，隐私和速度都掌握在你自己手中。

项目画像

• 解决什么问题：把图片、扫描件里的文字变回可编辑文本；把扫描 PDF 变成可搜索的双层 PDF。
• 差异点：完全离线，支持截屏、批量、PDF 三类识别，外加二维码扫描与生成。
• 平台：Windows 7 x64 及以上、Linux x64，解压即用，零安装。
• 协议：MIT 开源协议，LICENSE 可查，可自由使用与修改。
• 模型库：内置简中、英、日、韩等多国语言识别库，无需额外配置。

快速上手

最短路径三步：获取 → 启动 → 识别。

方式一（推荐新手）：从仓库发行版下载.7z压缩包，解压后直接运行Umi-OCR.exe，全程不装任何东西。方式二：从源码获取：

git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR

启动后你会看到标签栏：默认打开"截图OCR"页，左侧是图片预览栏，右侧是"设置/记录"两个选项卡。语言会根据系统自动切换，想手动改就在"全局设置"里选。

第一次操作建议走截图流程：在"截图OCR"页按默认快捷键，框选一块屏幕文字，右侧立刻出现识别结果，点"复制"即可粘贴。到这里，软件就跑起来了。

核心能力拆解

当你要从屏幕上抠一段文字时：截图OCR

看教程、读外文网页，屏幕上有一段文字想存下来——这就是截图OCR的场景。

1. 打开"截图OCR"标签页
2. 按快捷键（或点页面上的截图按钮）唤起截图
3. 鼠标框选文字区域
4. 左侧预览图会标出识别到的文字块，直接鼠标划选即可复制
5. 右侧"记录"栏保留每次识别结果，支持划选多条合并复制

技巧：在页内"设置"里切换"排版解析"方案。解析代码截图时选"单栏-保留缩进"，行首空格能原样保留；多栏论文选"多栏-按自然段换行"，阅读顺序自动排好。

当你要处理上百张截图时：批量识别

截图散落在几个文件夹里，一张张复制不现实。批量OCR页就是为此设计的。

1. 打开"批量OCR"标签页，点"选择图片"导入文件
2. 支持 jpg、png、webp、bmp、tif 等 9 种格式，几百张也没有数量上限
3. 点"开始任务"，顶部进度条实时显示已处理数量、耗时和状态
4. 结果按你勾选的格式保存：txt、jsonl、md、csv（Excel）
5. 任务跑完可选择自动关机，适合晚上挂机处理

技巧：图片带固定水印？在右栏设置里打开"忽略区域"编辑器，按住右键把水印位置框成矩形，框内文字会被整体跳过，几百张图只需画一次。

当你要扫描PDF转可搜索文档时：文档识别

这是解决"PDF 有图无字"的主力功能，输入支持 pdf、xps、epub、mobi、fb2、cbz 六种格式。

1. 打开"文档识别"标签页，导入 PDF
2. 扫描件会被逐页 OCR；已有文本层的 PDF 直接提取
3. 选择保存为双层可搜索PDF：图像层保留原版式，文本层透明可搜可复制
4. 可先设定忽略区域，把页眉、页脚、水印从结果里剔除
5. 长任务可设置完成后自动休眠

技巧：页脚日期每页都混进搜索结果？把忽略区域画在页脚位置再开任务，比事后手动删干净得多。

当你要扫个码或生成二维码时：二维码页

办公场景的顺手功能，识别与生成合在一页。

1. 打开"二维码"标签页
2. 截图、粘贴或拖入图片，支持一张图里多个码
3. 覆盖 Aztec、DataMatrix、QRCode 等 19 种协议
4. 反过来也能用：输入文本，指定纠错等级，生成二维码图片

进阶配置与效率技巧

• 图像边长限制：默认会压缩超大图片再识别。要识别超长图时，进页面设置 → 文字识别 → "限制图像边长"，把数值调高，否则长图会被截断。
• 排版解析方案：预设了多栏/单栏共 6 种换行策略，另加"不做处理"输出引擎原始结果。同一份文档换不同方案对比一遍，通常能明显提升可读性。
• 切换 OCR 引擎：软件支持 Rapid-OCR 与 Paddle-OCR 两种离线引擎，在全局设置里切换。前者兼容性好，后者速度稍快，不同字体下表现有差异，值得按自己的文档试一轮。
• 界面与渲染：语言、亮/暗主题、字体和界面缩放都在"全局设置"里。若截图时界面闪烁或 UI 错位，到"界面和外观"切换渲染器或关闭硬件加速。

场景延伸

• 学术文献：扫描版古籍和老论文无法检索，跑一遍文档识别，得到可全文搜索的双层 PDF，引用和查词效率直接翻倍。
• 办公档案：合同、发票扫描件堆在共享盘，批量OCR一次转出 txt/csv，金额、日期进表格就能核对，不用人工敲字。
• 个人学习：外文教材截图看不懂排版？截图OCR选多栏方案按自然段输出；外语资料识别直接切换对应语言库。

项目生态

• 技术栈：Python + Qt（PyStand 定制版）构建，源码在UmiOCR-data/py_src，界面资源在UmiOCR-data/qt_res，插件机制独立于主程序。
• 协作：界面翻译在 Weblate 平台协作，覆盖繁中、英语、日语、俄语等十余种语言；问题与需求走仓库 Issue。
• 接口：命令行与 HTTP 接口均内置，适合写进脚本或接入自动化流程，见 命令行手册 与 HTTP接口手册。

避坑指南

• 截图识别偶发模糊或界面闪烁处理：多半是硬件加速渲染的问题，去全局设置 → "界面和外观" → 渲染器，换一个方案或关闭加速。
• 超长图片识别结果缺字处理：是图像边长限制在压缩大图。进页面设置把"限制图像边长"调高后再识别。
• 批量结果里混进水印、页脚文字处理：开"忽略区域"把固定位置框成矩形。注意只有整个文本块落在框内才会被忽略，框尽量画大一点。
• 命令行调用没反应处理：命令行依赖软件内置的 HTTP 服务跨进程通信（仅本地回环，默认开启）。确认全局设置里 HTTP 服务为允许状态，主机选"仅本地"即可。

Umi-OCR 的核心价值一句话：文字识别、PDF 转换全程离线，数据不出你的电脑。它适合需要隐私、需要批量、需要零成本的场景；如果你追求手写潦草体的极致准确率，它可能不是第一选择，可以先拿自己的文档试一轮。仓库里更新日志、翻译平台都是开放入口，用着顺手，就去提个 Issue 或参与翻译，让它更像你要用的样子。

【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