企业官网建设流程全解析

从单次截图到批量文档，Umi-OCR 离线 OCR 的四个场景

【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 是一款免费开源的离线文字识别软件，截图 OCR、批量文档识别和二维码处理共用同一套界面。v2.1.5 版本在识别准确性和调用流程上做了不少更新。下面按四个使用场景展开，从单次截图一路到批量、自动化和平台适配。

框选截图，得到一份可编辑的文本

打开截图 OCR 标签页后，用快捷键框选屏幕上的任意区域，识别结果会同时出现在左侧图片预览和右侧记录栏。图片预览带文字叠加层，在图上划选就能复制对应文字，也能把原图复制进剪贴板。右侧记录栏支持逐条编辑，还能跨多条记录一起划选复制。

这一版给大部分标签页加上了左右或上下双栏的切换，宽屏横排、窄屏竖摆都能适配 (#789)。截图前按 Esc 可以先把主窗口隐藏，避免窗口本身挡住要识别的区域 (#652)。遇到带固定水印的图，可以用忽略区域把那几个位置框住，框内的整块文字会被整体跳过。

把整个文件夹交给批量识别

批量 OCR 标签页用来导入本地图片，支持 jpg、png、webp、bmp、tif 等格式。识别结果能存成 txt、jsonl、md，或 Excel 能直接打开的 csv。v2.1.5 优化了图片和文档的异步加载，载入数万个子文件的文件夹也不会卡住，加载过程还能看到进度 (#710)。

文档识别是这一页的重点，支持 pdf、epub、mobi 等格式。它既可以对扫描件做 OCR，也能提取 PDF 里已有的文本，再输出成双层可搜索的 PDF。这一版修了两处文本相关的问题：提取 PDF 自带文本时会考虑页面旋转角度 (#785)，生成单层 PDF 时也会把原文本内容写进去，而不是只留一层图像。

文档页同样有忽略区域，用来去掉每页固定的页眉页脚文字。批量任务还能设成完成后自动关机或休眠，适合把一整批文档留在后台处理。

用命令行和接口接入流程

熟悉截图和批量之后，下一步常常是自动化。命令行入口就是主程序本身，比如umi-ocr --path "D:/img" --output result.txt能把一个文件夹的识别结果写进单个文件。需要程序间调用时，HTTP 接口走本机环回通信，不经过外网，参数细节见 HTTP 接口手册。

识别代码或多栏版面时，排版解析方案决定文字怎么排。选"单栏-保留缩进"可以保住行首空格，选"多栏-按自然段换行"适合普通段落。v2.1.5 加了 --reload 指令，改完配置文件不用重启就能刷新设置。从命令行启动还能看到实时日志，默认 ERROR 级别以上会存进 UmiOCR-data/logs 目录，排查问题方便不少。

二维码这块，识别一张图里多个码也能读，支持 19 种协议。生成二维码时，调整纠错等级或边距后图像会自动刷新，不用再手动点一次生成 (#690)。

修掉 Linux 的截图偏移，补全界面语言

Umi-OCR 主打 Windows，也支持 Linux x64。v2.1.5 修了 Linux 截图时系统任务栏推移顶层窗口导致的位置偏移 (#778)。它还修了截图后主窗口位置和截图前对不上的问题，桌面 Linux 用户用起来更稳定。

界面语言靠社区翻译协作维护。v2.1.5 又加了俄语和泰米尔语，加上之前的简繁中、英、日、葡语，覆盖的地区更广。想参与翻译，可以看仓库里的 i18n 工具链 和配套说明文档。

软件是免安装的，仓库里附了 v2.1.5 的 7z 便携包，解压后双击主程序即可启动。命令行的完整参数见 命令行手册。

【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