Umi-OCR实战：免费离线OCR软件，把截图与扫描件一键变成可搜索文字

【免费下载链接】Umi-OCR OCR 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

备考那年，我的复习资料库里堆着五本教材的扫描件、两百多张课堂PPT截图和一沓手机拍的书页照片。麻烦在于：这些文件里的字看得清清楚楚，却一个也复制不出来，想检索一个知识点，只能一页页翻。我最终靠 Umi-OCR 这款免费、开源、可批量的离线OCR软件，把所有"看得见却复制不出来"的文字全部变成了可搜索的文本。这篇教程，就是我从头到尾走完的完整过程。

一、被"死文字"困住的备考周

那阵子我每天要做的事就一件：把扫描版教材里的重点段落抄进笔记软件。PDF 在我眼前摊开，内容一目了然，可鼠标一划，选中的只有空白——扫描件没有文字层，本质上就是一张张照片。想查一个术语在哪几本书里出现过，只能凭记忆逐页翻，眼睛都快看花了。

我试过手机上的 OCR 应用，一次只能拍一页，识别完还要手动校对排版，几百页下来手都麻了。那段时间我几乎默认了"扫描件就该靠肉眼啃"这个事实，直到我意识到：应该有工具能解决这个问题。

二、一圈试下来，为什么最后选了它

在认真找工具之前，我先在脑子里过了一遍候选方案。

在线OCR网站首先被排除。我的课件和教材涉及老师未公开的讲义，上传到别人的服务器上，心里始终不踏实，何况免费额度少、还要注册排队。商用OCR软件倒是功能全，可一看年费价格，直接劝退。命令行工具我也试着碰过，安装环境、下载语言包、调识别参数，每一步都是门槛，对只想快点出结果的我来说太陡了。

就在纠结的时候，我在开源社区刷到了 Umi-OCR。项目页上写着一句话："免费，开源，可批量的离线OCR软件，解压即用。"离线、免费、批量、免安装——这四个词正好戳中我所有的顾虑。我下载了发行包，决定试试看。

三、解压即用：三分钟搭好离线识别环境

Umi-OCR 不需要安装。下载的 .7z 压缩包解压后，双击 Umi-OCR.exe 就能启动，第一次打开还会按系统语言自动切换界面，我直接看到的就是简体中文。主界面是标签页式的：截图OCR、批量OCR、文档识别、二维码、全局设置，想用哪个点哪个，还能锁定标签防止误关。

我做的第一件事是打开"全局设置"过一遍配置：语言下拉框里有简体中文，也能切英文、日文；主题有亮色暗色多套；字体和界面缩放比例都能调。如果你的电脑上出现截屏闪烁或界面错位，把"渲染器"切到别的方案，或关闭硬件加速即可。整个环境三分钟搭完，全程没碰过网络。

四、第一场实战：快捷键截屏，右侧秒出文字 ⚡

环境就绪，我直接打开了"截图OCR"标签页，按下预设的截图快捷键（在设置里可以改成自己习惯的组合键），屏幕上出现取景框。我框住PPT里一段 Python 代码截图，松开鼠标，右侧面板瞬间吐出识别好的文字——连行首缩进都原样保留了。

这里有个一开始被我低估、后来觉得最关键设置："文本后处理"里的排版解析方案。识别代码截图时选"单栏-保留缩进"，行首缩进和行中空格原样保留；读多栏排版的论文页面就选"多栏-按自然段换行"，左右栏文字按阅读顺序输出，不会交叉错乱。右侧的记录栏支持划选多条一起复制，也可以把剪贴板里的图片直接粘贴进来识别。一下午的课件整理，被压缩成了半小时。

五、规模化：几百张图片与整本扫描PDF ⏳

课件是零散的，教材却是整本的。我先处理那两百多张PPT截图：全部拖进"批量OCR"页的任务列表，点"开始任务"，进度条开始跳动，每张图下方标注着耗时和状态。

批量OCR没有数量上限，一次跑完几百张图，结果能导出为 txt、jsonl、md 或 csv（Excel）格式。更贴心的是"忽略区域"功能：我的手机照片里总有时间水印和页角阴影，进入忽略区域编辑器，按住右键在水印可能出现的位置画上矩形框，任务里这些区域内的文字整块被忽略，识别结果干净得多。

最难啃的是那五本扫描版教材 PDF。Umi-OCR 的"文档识别"页面支持 pdf、xps、epub、mobi、fb2、cbz 等格式，可以提取原有文本，也可以对扫描件做 OCR，输出成双层可搜索PDF：底层保留扫描原图，顶层覆盖透明文字层。处理长文档时，别忘了同样设置忽略区域，把页眉、页脚、页码排除掉，避免它们混进正文。几本书同时排队，加上"完成后自动关机"，睡一觉醒来，整个文献库全部"活"了——之后我写笔记时直接全文检索某个术语，几秒钟定位到所有相关段落 🔍。

六、彩蛋与进阶：二维码、命令行与多语言界面

处理完正事，我还捡到几个彩蛋。"二维码"页面既能截图扫码（支持一图多码、19 种码制协议），也能输入文本生成二维码，并调整纠错等级。

想自动化的人，软件还提供命令行和 HTTP 接口。比如一条 umi-ocr --path "文件夹路径" 就能批量识别整个文件夹里的图片，umi-ocr --screenshot 可唤起截屏，umi-ocr --qrcode_read 和 umi-ocr --qrcode_create 负责二维码的读取与生成。更详细的用法写在项目 docs 目录下的命令行手册和 HTTP 接口说明里，把 OCR 能力嵌进自己的小工具也完全可行。

界面本地化同样做得认真——简体中文、繁体中文、英文、日文等多语言切换，社区翻译持续推进。英文资料看多了的时候，切到英文界面也不别扭。

七、复盘：为什么它成了我的默认OCR工具

一周用下来，最打动我的不是某个炫技功能，而是三点：完全离线，资料不过别人的手；没有学习成本，核心功能都放在显眼处；批量能力扎实，图片、PDF 都能成批处理。免费开源、支持 Windows 与 Linux，功能演进都写在更新日志里，看得见变化。

如果你手头也压着扫描件、截图和旧 PDF，别急着逐字手打。去项目仓库下载最新发行版，解压双击就能用；想研究源码的开发者，可以执行 git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR 一探究竟。挑一份你最头疼的文档跑一遍，也许你的效率困局，就从这一次双击开始松动。🌟

【免费下载链接】Umi-OCR OCR 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