Umi-OCR｜免费离线文字识别：从截图到批量 PDF 文本提取
Umi-OCR｜免费离线文字识别：从截图到批量 PDF 文本提取
项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR Umi-OCR 是一款免费、开源（MIT 协议）的离线文字识别软件，专门解决"图片里的字怎么变成可编辑文本"的问题。它内置 PaddleOCR 和 RapidOCR 两套引擎，解压即用，全程不需要联网，文档不会离开你的电脑。
截图里的代码、扫进来的文档、带水印的发票
- 从 API 文档截图里复制一段代码，粘贴出来却是一团乱序文本，换行和缩进全靠手动补。
- 几十张扫描的纸质文档要归档成可搜索的文本，在线 OCR 要么排队、要么收费，敏感内容传上云不太放心。
- 页面角落的水印、页眉页脚，总会混进识别结果，还得一条条手动删。
核心能力：四个标签页覆盖主要场景
Umi-OCR 支持 Windows 7 x64 与 Linux x64，下载 .7z 压缩包解压后运行 Umi-OCR.exe（Linux 用 umi-ocr.sh）即可，无需安装依赖。界面首次启动会自动匹配系统语言，也支持在"全局设置"里切换繁中、英语、日语等。
截图识别，排版解析自动排好文字顺序
打开"截图OCR"标签页，按界面提示的快捷键即可框选屏幕任意区域，识别结果列在右侧记录栏，可以编辑、划选、复制；在别处复制的图片也能直接粘贴进来识别。真正的亮点是"排版解析方案"：多栏-按自然段换行、单栏-保留缩进、多栏-无换行等预设，会按你选的规则重排文字块，横排、竖排都能处理。代码截图选"保留缩进"，就能拿到格式基本完好的文本。
批量导入图片，画矩形框排除水印
批量识别页支持把图片或文件夹直接拖进去，格式涵盖 jpg、png、webp、bmp、tiff 等，几百张图一次提交也没有数量上限，结果可保存为 txt、jsonl、md、csv（Excel）四种格式。如果图片带水印或页眉，可以在右栏设置里打开"忽略区域"编辑器，按住右键把干扰区域框起来，任务中框内的文字块会被整体跳过，不用识别完再手动删。
识别 PDF，输出双层可搜索文档
文档识别页支持 pdf、xps、epub、mobi、fb2、cbz 格式：扫描件走 OCR，原有文本直接提取，也可以两者混合处理。输出可以选择"双层可搜索PDF"——保留原样外观的同时叠一层可选中、可搜索的文本，方便归档和全文检索。同样支持忽略区域排除页眉页脚，任务跑完还能设置自动关机或休眠。
二维码既能识别也能生成
二维码页可以截图、粘贴或拖入本地图片来扫码，支持一图多码和 19 种协议（QRCode、DataMatrix、EAN13、PDF417 等）；反过来，输入一段文本也能生成二维码图片，协议、纠错等级等参数都可以调。
三个任务，照着做就行
任务一：截取屏幕上的一段文字。 打开截图OCR标签页，按快捷键框选区域，左侧看图片预览、右侧看识别结果，编辑后直接复制走。在别处复制过的图片，也可以粘贴进软件直接识别。
任务二：把一文件夹扫描图片转成文本。 打开批量OCR标签页，把整个文件夹拖进去，选好输出格式（txt 或 csv），提交任务。有水印的图先用忽略区域编辑器画好框再跑；如果图特别大，先在页面设置里把"限制图像边长"调高，否则精度会受影响。
任务三：PDF 扫描件转成可搜索文档。 文档识别页拖入 pdf 或 epub，勾选输出"双层可搜索PDF"，提交后就能得到既保留版面、又能全文检索的文件。
选对引擎和排版方案，再用命令行 / API 自动化
| 选项 | 适用场景 | 说明 |
|---|---|---|
| PaddleOCR 引擎 | 复杂文档、多语言、倾斜文本 | 发行版速度稍快，支持方向分类纠偏 |
| RapidOCR 引擎 | 日常截图、批量任务 | 兼容性更好，占用低 |
| 排版：单栏-保留缩进 | 代码截图 | 保留行首缩进和行内空格 |
| 排版：多栏-按自然段换行 | 论文、杂志等多栏版面 | 自动识别栏序再按段落换行 |
| 输出 csv（Excel） | 需要进表格汇总的批量结果 | 默认 ansi 编码，兼容 Office Excel |
命令行调用。想跳过界面直接跑任务时，主程序本身就是命令行入口（Windows 下可简写为 umi-ocr，Linux 下为 umi-ocr.sh）：
umi-ocr --path "D:/scan" # 识别文件夹内所有图片
umi-ocr --screenshot --clip # 截图识别，结果进剪贴板
umi-ocr --screenshot --output r.txt
HTTP 接口集成。把识别能力嵌进自己的脚本或系统时，在全局设置里允许 HTTP 服务（默认开启），即可向 http://127.0.0.1:1224 发请求：
import base64, requests
b64 = base64.b64encode(open("a.png","rb").read()).decode()
r = requests.post("http://127.0.0.1:1224/api/ocr",
json={"base64": b64, "options": {"data.format": "text"}})
print(r.json()["data"])
完整的接口参数、文档识别的上传/轮询/下载流程，见仓库内的 命令行手册 和 HTTP 接口手册。
常见问题速查
| 你遇到的现象 | 怎么处理 |
|---|---|
| 识别结果换行、顺序是乱的 | 换一个排版解析方案，代码选"单栏-保留缩进" |
| 水印、页眉混进了结果 | 批量/文档页里打开忽略区域编辑器，把水印框起来 |
| 超大图识别精度差 | 页面设置里把"限制图像边长"调高 |
| Linux 下启动失败 | 改用 umi-ocr.sh 启动脚本 |
| 截图时界面闪烁、错位 | 全局设置 → 界面和外观 → 切换渲染器，或关闭硬件加速 |
| 外文识别不准 | 切换引擎的识别语言模型库到对应语言 |
先解压发行版跑起来，打开截图识别标签页，按界面提示的快捷键截一段屏幕上的文字试试；有批量需求再把文件夹拖进批量页。更多功能说明可以看 README 和 更新日志。
更多推荐
8
0- 0
已为社区贡献5条内容
所有评论(0)