免费离线OCR实战：4个场景搞定截图识别、批量图片与PDF文字提取
项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR 一句话认识 Umi-OCR：开源、免费、可离线的 OCR 软件，下载解压就能运行，识别全程在本地完成，不联网、不注册、不上传任何资料。
Umi-OCR 是一款免费离线OCR工具，截图识别、批量图片、PDF 文字提取、二维码扫描与生成，以及多国语言界面，全部内置在同一个窗口里。面对"扫描件复制不出字""几百张图要逐张手打"这类问题，许多人的第一反应是找在线识别网站——但对内容敏感的用户来说，把课件和书稿传到别人的服务器上，心里总不踏实。与其纠结上传与隐私，不如看看离线方案怎么把这些问题一次解决。下面不罗列功能清单，而是按四条真实使用场景拆解：做什么、效果如何、适合谁，外加一份避坑清单。
一、对号入座：这些 OCR 痛点，你中了几个
先做一道自测题，以下场景只要命中两条，本文就值得读完：
- 手里的扫描版 PDF 看起来清清楚楚，选中复制却一个字符都拿不出来；
- 课件截图、网页长图想转成文字，逐字敲键盘效率太低；
- 手机拍摄的书页照片动辄几百张，一张一张处理不现实；
- 材料涉及未公开内容，不愿意上传到任何在线服务；
- 偶尔要扫二维码，偶尔又要生成一个，不想为单个小功能装好几个工具。
这些痛点对应的解法，其实都在同一款软件里。接下来的四个场景，就是按痛点逐一展开的。
二、截图识别文字：从按下快捷键到拿到结果，只差一次框选 ⚡
做了什么：打开"截图OCR"标签页，按下预设快捷键（可在全局设置里改），屏幕出现取景框；框住目标区域松开鼠标，识别文字立刻出现在右侧面板。
截图识别最容易被低估的是"排版解析方案"这项设置。识别代码截图时选"单栏-保留缩进"，行首缩进与行内空格会被原样保留，粘贴进编辑器依然可读；面对左右分栏的论文页面，则切换"多栏-按自然段换行"，两栏文字按阅读顺序依次输出，不会左右交叉错乱。
效果如何：一段课件代码截图，几秒内变成带完整缩进的文本；识别记录支持多选复制，剪贴板里的图片也可以直接粘贴进来识别。适合谁：整理课件的学生、摘录网页的编辑、需要从截图中提取报错信息的开发者。
三、批量识别图片：几百张任务一次导入，导出格式随你挑
做了什么：把几十上百张 JPG/PNG 拖进"批量OCR"页面的任务列表，点"开始任务"，每张图下方的进度条、耗时与状态一目了然，支持多图片并行处理。
批量任务最实用的加分项是"忽略区域"。手机拍的书页常有时间水印、页码或页角阴影——打开忽略区域编辑器，按住右键在这些位置画出矩形框，任务执行时框内文字会被整块跳过，输出的正文干净清爽。
效果如何：批量处理没有数量上限，结果可导出为 txt、jsonl、md 或 csv（Excel）格式；睡前挂上"完成后自动关机"，第二天直接取结果。适合谁：要处理整批书页照片、历史档案扫描件的资料整理者。
四、扫描版 PDF 文字提取：从"只可看"变成"可搜索"
做了什么：在"文档识别"页面导入 pdf、xps、epub、mobi、fb2、cbz 等格式文件。自带文字层的文档可直接提取原文；纯扫描件则走 OCR 流程，输出为双层可搜索 PDF——底层保留扫描原图，顶层覆盖透明文字层。
处理长文档时，忽略区域同样值得优先配置：把页眉、页脚、页码框起来排除掉，防止书名与页码混进正文，后续全文检索的结果才会干净。
效果如何：处理完的 PDF 既能一页页查看原始版面，又能全文搜索、划词复制；写综述时想查某个术语，几秒钟就能定位到所有相关段落。适合谁：文献综述期的研究者、需要数字化归档纸质资料的档案员。
五、三个隐藏彩蛋：二维码、命令行接口与多语言界面
二维码页面兼顾"扫"与"生"：既支持截图扫码，也支持一图多码、19 种码制协议；输入文本即可生成二维码，并可调整纠错等级，用于临时分享链接或活动物料。
想自动化的人，软件还提供命令行与 HTTP 接口：批量调用的脚本写法见命令行手册，把 OCR 能力嵌进自有工具的接入方式见HTTP 接口说明。
界面本地化也没有落下——简体中文、繁体中文、英文、日文等多语言一键切换，社区翻译持续推进。对英文资料看得多的用户，切到英文界面也不别扭。
六、避坑指南：三个新手常忽略的设置
- 截屏闪烁或界面错位：到"全局设置"里切换"渲染器"，或关闭硬件加速，多数显示问题当场就能解决。
- 识别精度受排版方案影响：文字密集的论文、代码、表格，建议分别选择对应的排版解析方案，别一套设置走天下。
- 语言、主题、缩放想自定义：语言下拉框支持简繁英日，主题有亮色暗色多套可选，界面大小比例也可调，入口都在全局设置页。
七、上手清单：三步启动，今晚就能用上
- 到项目发行版页面下载
.7z压缩包，解压后运行Umi-OCR.exe，首次启动即按系统语言呈现界面，全程无需联网。 - 进入"全局设置"，按自己的习惯调整语言、主题与快捷键。
- 挑一份手头最头疼的扫描件或截图，按上面的场景走一遍；想深入源码的开发者，可以
git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR查看实现。
软件的开源属性意味着功能演进全程透明，各版本变化记录在更新日志中。免费、离线、支持 Windows 与 Linux——如果你也压着一堆扫描件和旧 PDF，与其逐字手打，不如让这款免费离线OCR替你跑一遍。这份清单值得现在就收藏：下一次遇到复制不出的文字，你的第一反应，可以不再是手打。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
