企业官网建设流程全解析

Umi-OCR 免费离线 OCR 指南：截图、批量、PDF 识别一次搞定

【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

从截图里抠文字，最常见的路子是把图片传到在线 OCR 网站，或者掏钱买商业软件。Umi-OCR 是一款开源免费的离线 OCR 软件，全程在本机运行、不上传任何数据：截图识别、批量导入图片、PDF 文档识别、二维码生成与识别一次具备。下面按"你要完成的事"来讲怎么装、怎么用、怎么调。

项目速写：绿色免装的本地 OCR 工具

• 是什么：基于 PaddleOCR / RapidOCR 引擎的桌面 OCR 软件，v2 版本由可自由开关的标签页组成。
• 许可与费用：MIT 协议开源，完全免费，无广告、无次数限制。
• 平台：Windows 7 x64 与 Linux x64，解压即用，无需安装。
• 适合谁：偶尔从屏幕抓文字的个人、批量处理扫描件的办公人员、需要把 OCR 接进脚本的开发者。
• 当前版本 v2.1.5，具体变更可查 CHANGE_LOG.md。

三步上手：解压、启动、F4 出第一条结果

1. 拿到程序：下载发行版压缩包（.7z或.7z.exe自解压包），解压到一个固定目录；也可以直接克隆源码：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。
2. 启动：双击Umi-OCR.exe，首次打开会按系统语言自动选择界面语言。
3. 出结果：切到"截图OCR"标签页，按F4唤起截图，Esc取消，框选区域后文字立刻出现在右侧识别记录栏，可以直接编辑或划选复制。

任务一：随手抓屏幕上的文字

• 适用场景：软件界面、报错弹窗、聊天记录里需要复制的文字。
• 关键操作：按F4框选即可；也可以在别处复制图片后直接粘贴进 Umi-OCR 识别；右侧记录栏支持划选多条记录一起复制。
• 参数要点：识别语言、是否复制到剪贴板、是否弹出主窗口都在该标签页设置；命令行任务复用这里的设定。

任务二：一次识别几百张本地图片

• 适用场景：成规模的图片归档、票据截图、资料扫描图。
• 关键操作：把图片文件或整个文件夹拖进"批量OCR"页即可，没有数量上限；结果可保存为txt、jsonl、md、csv(Excel)四种格式。
• 参数要点：输入支持jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff；长图大图把"页面设置→文字识别→限制图像边长"调高；勾上"完成后自动关机/待机"可以挂夜跑。

任务三：把扫描 PDF 变成可搜索文档

• 适用场景：纸质扫描件、图片型 PDF，需要全文检索或提取文字。
• 关键操作：在"文档识别"页导入文件后，对扫描件执行 OCR，或提取文档原有文本，输出为双层可搜索 PDF（保留原图、叠加文字层）。
• 参数要点：支持pdf, xps, epub, mobi, fb2, cbz；页眉页脚干扰文字用"忽略区域"框掉，效果等同批量页的水印排除。

任务四：扫二维码，也能反向生成二维码

• 适用场景：扫图片里的码取内容，或把一段文本做成二维码图片。
• 关键操作：二维码页支持截图 / 粘贴 / 拖入图片读取其中的码，支持一图多码；输入文本则直接生成二维码图片。
• 参数要点：识别与生成都支持 19 种协议（QRCode、EAN13、DataMatrix、PDF417等），生成时可设纠错等级，调参会自动刷新预览。

把效果调到位：边长、语言、排版三个旋钮

核心开关是"限制图像边长"（仅对 PaddleOCR 引擎生效）：它会把边长超过该值的图片压缩，值越低越快、值越高越准。按内存选档位：

识别语言库内置简体中文、英文、繁體中文、日本語、한국어、Cyrillic 等，按文档实际语言选，别用错模型。界面语言不对时，到"全局设置→语言/Language"手动切换，界面支持中、英、日、繁中、俄语等。

排版解析方案决定输出顺序，在"文本后处理"里切换：

• 多栏文档选"多栏-按自然段换行"，这是大多数情景的默认选择。
• 代码截图选"单栏-保留缩进"，行首缩进和行中空格会保留，可直接粘回 IDE。
• 倾斜或倒置的文字，开启"纠正文本方向"。

多语言识别库一览：

横向怎么选：离线、免费、功能全

直接给结论：需要离线、免费、功能还全的方案，Umi-OCR 是务实选择；只在单张图、偶发使用时，在线服务注册即用也省事了。

接入工作流：命令行与 HTTP 接口

命令行入口就是主程序Umi-OCR.exe（可简写umi-ocr），它通过本机回环上的 HTTP 服务通信，不经过物理网卡。常用写法：

umi-ocr --screenshot # 鼠标截屏识别 umi-ocr --screenshot screen=0 rect=100,200,400,300 # 指定屏幕与区域截屏 umi-ocr --path "D:/文档文件夹" # 识别文件夹内全部图片 umi-ocr --screenshot --clip # 结果复制到剪贴板 umi-ocr --screenshot --output "test.txt" # 结果写入文件 umi-ocr --qrcode_read "D:/a.png" # 识别二维码

参数简写被允许，--screenshot可写--sc；完整手册见 docs/README_CLI.md。

HTTP 接口适合脚本化批量调用，默认地址http://127.0.0.1:1224：

• 先GET /api/ocr/get_options查询当前引擎支持的参数键值，再组装请求，不用硬编码。
• 主要接口：/api/ocr（图片 Base64 识别）、/api/doc（文档/PDF 识别）、/api/qrcode与/api/qrcode/text（识别与生成）。
• 后端并发能力有限，串行调用；偶发ECONNREFUSED时重发即可。
• 接口文档：docs/http/README.md、docs/http/api_ocr.md。

踩坑速查：现象 → 原因 → 处理

• 文字顺序错乱→ 排版解析方案与文档版式不匹配 → 在"文本后处理"换方案：多栏文档用"多栏-按自然段换行"，代码用"单栏-保留缩进"。
• 大图、长图识别不准→ 图片被压缩掉了细节 → "页面设置→文字识别"里把"限制图像边长"调高（2880 或 4320）。
• 水印、页眉页脚混进结果→ 未设置忽略区域 → 批量页右栏进入忽略区域编辑器，按住右键画矩形框，框大一点、完整包住文本块。
• 命令行 / HTTP 调不通→ HTTP 服务未开启 → "全局设置"里允许 HTTP 服务（默认开启），主机选"仅本地"。
• 界面语言不对→ 系统语言未被识别 → "全局设置→语言/Language"手动切换。
• 个别机器上截图闪烁、UI 错位→ 显卡加速渲染兼容问题 → "全局设置→界面和外观→渲染器"换渲染方案或关闭硬件加速。

离线又免费、截图批量 PDF 一次俱全，这就是 Umi-OCR 的定位。解压一个压缩包，按一次F4，从屏幕上的第一段文字开始试用它。

【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