Umi-OCR 免费离线文字识别：3 步上手，截图、批量、PDF、脚本一次讲清

Umi-OCR 免费离线文字识别：3 步上手，截图、批量、PDF、脚本一次讲清

【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、完全离线的 OCR 软件：截图取字、批量图片识别、扫描版 PDF 转可搜索文档，全部在本地完成，不联网、图片不上传，解压即用，无需安装。读完这篇，你能独立完成 Umi-OCR 截图识别的全流程，把一个文件夹的扫描图批量转出 txt 和 Excel，还能把识别能力挂进自己的脚本和 Web 服务。

主界面：左侧截图预览支持划选文字，右侧记录栏按时间保存每次识别结果

4 步跑通一次截图识别

1. 解压发布包。发布版是.7z压缩包（或免装压缩软件的.7z.exe自解压包），支持 Windows 7 x64 和 Linux x64，没有安装器。解压后你会看到一个完整目录，程序全在里面。
2. 启动程序。Windows 双击Umi-OCR.exe，Linux 运行umi-ocr.sh。你会看到主窗口弹出，界面语言跟随系统设置自动切换。
3. 唤起截图。打开"截图 OCR"标签页，按该页可自定义的快捷键。屏幕变暗、出现选框，框住一块文字即可，随时按Esc取消。
4. 拿到文字。识别完成后，右侧"记录"面板多出一条文本，点一下记录就复制到剪贴板；左侧预览栏也支持直接划选。

到这里最短路径已通：截图 → 识别 → 复制。顺手可以进"全局设置"切换语言、主题，或添加桌面快捷方式、设置开机自启。

全局设置页：可切换界面语言与主题，管理桌面快捷方式和开机自启

提取代码截图：缩进原样贴进 IDE

场景：文档、视频帧里的代码想直接进 IDE，普通 OCR 会吞掉缩进和行内空格。

做法：

1. 在"截图 OCR"页框选代码区域。
2. 右侧"设置"面板里，把排版解析改为单栏-保留缩进。
3. 识别完成后在记录栏选中该条结果，复制、粘贴。

验收：贴进 IDE 或 Markdown 预览，缩进层级与原图一致、无多余空格，即通过。

避坑：

• 现象：缩进全被拍平成一行行紧贴左边缘。原因：默认排版解析是"多栏-按自然段换行"，面向普通文档排版。解法：代码类截图一律切换为"单栏-保留缩进"。
• 引擎只负责认字，排版解析负责把字块按阅读顺序拼回去，两者分工不同，方案选错结果就会不对味。

记录面板支持划选多条记录批量复制、编辑后再复制，右键菜单可删除单条或清空全部。

截图 OCR 页：左侧预览栏可划选文字，右侧面板设置排版解析等参数

识别记录面板：右键菜单可复制、删除单条记录或清空全部

批量导出识别结果：整个文件夹一次出 txt 和 Excel

练熟了单张截图，就可以整批地喂。

做法：

1. 切到"批量 OCR"标签页，点"选择图片"或直接把文件夹拖进来，几百张图也能一次导入。
2. 核对输入格式（jpg / jpe / jpeg / jfif / png / webp / bmp / tif / tiff），输出格式勾选txt / jsonl / md / csv (Excel)。
3. 点"开始任务"。你会看到左侧列表逐张显示耗时与置信度，结束后每个文件都有对应产物。

验收：随机抽 3 张图对比左侧预览和右侧记录；置信度（0~1）低于0.8的重点人工核对。

避坑：

• 现象：固定位置的水印、LOGO 文字混进结果。原因：水印中的文本块被一起识别。解法：右侧设置里打开忽略区域编辑器，按住右键画矩形框住水印，只有完整落在框内的文本块会被丢弃，框画得略大一点更安全。
• 现象：像素超大的长图里小字认错。原因：默认"限制图像边长"为960，大图先被压缩，小字糊掉。解法：在"设置 → 文字识别"中把该值调到2880或4320。

批量 OCR 页：左侧列表逐张显示耗时和置信度，右侧是识别记录

把扫描 PDF 变成可搜索文档

做法：切到"文档识别"标签页（v2.1.4 及以上版本支持），拖入pdf / xps / epub / mobi / fb2 / cbz文件。产物是双层可搜索 PDF：原图在底层，识别出的文字藏在顶层，能搜、能选，版面不损失。同样可以设置忽略区域，排除页眉页脚。

验收：打开生成的 PDF，按Ctrl+F搜一个只在正文出现的词，能直接跳到对应页，说明文字层写对了。

避坑：现象：页眉页脚的重复文字被识别进文本层。原因：默认不排除固定区域。解法：任务前进入忽略区域编辑器，把页眉页脚位置框住再启动任务。

把识别挂进脚本和流水线

做法：

1. 在"全局设置"确认 HTTP 服务已开启（默认开启），主机保持"仅本地"即可，默认端口1224。
2. 命令行最简两条：umi-ocr --screenshot --clip截图并复制结果；umi-ocr --path "D:/docs" --output "结果.txt"识别整个文件夹并写入文件。完整参数见 命令行手册。
3. HTTP 走法：先GET http://127.0.0.1:1224/api/ocr/get_options查参数定义，再POST http://127.0.0.1:1224/api/ocr提交，请求体 JSON 里base64放图片编码、options放语言模型与排版解析等选项。完整参数以 图片识别接口文档 和 HTTP 接口手册 为准，文档识别也有对应的上传、查询、下载接口。

验收：命令行跑完，文本出现在剪贴板或你指定的文件里；浏览器访问get_options能看到 JSON 参数定义。

避坑：

• 现象：命令行任务时主窗口被弹出。原因：命令行任务沿用"截图 OCR"标签页的参数设定。解法：在该标签页里关掉弹出主窗口的对应选项。
• 现象：长时间连续调用偶发ECONNREFUSED。原因：后端对并发支持较差。解法：串行调用、失败重试一次即可，具体注意事项以官方 HTTP 手册为准。

参数速览：真正值得动的就这几个

所有界面改动会自动存进UmiOCR-data/.settings（ini 格式），也可以手动改完执行umi-ocr --reload重新加载。

识别结果不对时：先查这张表

下一步：从文档到源码

Umi-OCR 是一个放在本地的 OCR 工具箱：免费、离线，截图、批量、PDF 一次覆盖，还预留了命令行和 HTTP 两个口子给自动化。建议先在截图页练熟，再去批量页处理文件夹；想深入时，命令行手册 与 HTTP 接口手册 是完整参考，Python 源码在UmiOCR-data/py_src/目录，可以直接翻。

【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