离线文字识别实战：用Umi-OCR把截图、PDF和批量图片一键变成文字

【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

你是不是也经历过这样的时刻：网页上的教程文字死活复制不了，只能对着屏幕一个字一个字敲；老板丢来一份扫描版合同，说"帮忙转成Word"；手机里几百张课堂笔记照片，整理到手酸。其实，这些"文字搬运"的苦活，完全可以交给一款离线文字识别工具。今天要介绍的 Umi-OCR，就是一款免费、开源、完全离线运行的 OCR 软件——解压即用，断网也能精准识别图片中的文字，堪称打工人的效率外挂。

一、两分钟上手：免安装、免联网，解压就能用

很多工具劝退新手的第一步，就是复杂的安装配置。Umi-OCR 走的是"零门槛"路线：

1. 从项目仓库下载.7z压缩包（仓库地址：https://gitcode.com/GitHub_Trending/um/Umi-OCR）。
2. 解压到纯英文路径下，比如D:\Umi-OCR，避免中文路径引发兼容问题。
3. 双击Umi-OCR.exe，软件直接启动。

整个过程不需要安装程序，不需要注册账号，更不需要联网。它内置了 PaddleOCR、RapidOCR 两套离线识别引擎和多语言识别库，识别过程完全在本机完成，敏感文档不用上传到任何服务器，隐私安全这块让人放心。

首次启动时，软件会读取你的系统语言设置，自动切换成对应界面——中、英、日、繁中等语言都内置好了，就算拿给国外同事用也不尴尬。

二、截图识别文字：快捷键框一下，三秒出结果

日常用得最多的，是"截图 OCR"这个看家本领。按下截图快捷键（默认 Ctrl+Shift+S，可在设置里改），用鼠标框选屏幕上的文字区域，识别结果立刻出现在右侧记录栏里。

几个使用小细节值得记住：

• 左侧图片预览区，可以直接用鼠标划选文字复制；
• 右侧记录栏支持编辑，可以多选几条记录一次性复制；
• 不需要截图时，直接复制一张图片粘贴进来，同样能识别；
• 识别完成后，右键菜单可以快速"复制全部""全选记录"，效率拉满。

连代码都能原样"抄"回来

最让我惊喜的是它对代码截图的支持。默认的排版方案会打乱缩进，但 Umi-OCR 提供了"单栏-保留缩进"的后处理方案，能把代码截图的行首缩进、行中空格完整还原，贴回编辑器就能直接用。

除了保留缩进，排版解析还支持多栏/单栏自动识别、按自然段换行等方案，无论是报纸排版、竖排文字还是普通段落，都能整理成适合阅读的顺序。

三、批量图片转文字：几百张图，一口气处理完

当图片数量从"几张"变成"几百张"，截图功能就忙不过来了。这时候切换到"批量 OCR"标签页：

1. 把图片文件拖进列表（支持 jpg、png、webp、bmp、tif 等常见格式）；
2. 选择输出格式：TXT、JSONL、Markdown、CSV（可直接用 Excel 打开）任选；
3. 点击开始，剩下的交给进度条。

这个任务没有数量上限，一次性导入几百张毫无压力，跑完还能设置自动关机或待机——晚上挂机跑任务，早上起来直接收结果，特别适合处理扫描件归档、电子书截图这类大批量场景。

水印太多？用"忽略区域"一键屏蔽

批量识别最怕遇到带水印、LOGO、页眉页脚的图片，这些文字会被当成正文一起识别出来。Umi-OCR 提供了"忽略区域"功能：按住右键在预览图上画几个矩形框，把水印可能出现的位置框住，任务执行时就会自动跳过这些区域的文字。画框时记得稍微画大一点，把水印的位移范围都包进去，效果更稳。

四、PDF 扫描件也能"开口说话"：文档识别与二维码

如果你以为它只能处理图片，那就小看它了。Umi-OCR 的"文档识别"标签页支持 pdf、xps、epub、mobi 等电子书和文档格式，专门对付扫描件：

• 对纯图片扫描件执行 OCR，提取其中的文字；
• 输出为双层可搜索 PDF——上面是扫描原图，下面是隐藏文字层，既保留了原貌，又能直接 Ctrl+F 搜索；
• 同样支持忽略区域，把页眉页脚排除在外。

此外，二维码功能也值得一提：截图、粘贴或拖入一张带码的图片，软件就能读取其中的二维码/条形码，支持一图多码和 19 种编码协议；反过来，输入一段文字也能直接生成二维码图片，扫码、发码两不误。

五、进阶玩法：命令行与 HTTP 接口，把 OCR 变成"基础设施"

当你不满足于点鼠标，想把这套能力集成到自己的流程里，Umi-OCR 早就留好了后门：

• 命令行模式：Umi-OCR.exe --folder "图片目录" --output "txt"，一条命令就能批量跑完整个文件夹的识别任务，适合写进脚本定时执行；
• HTTP 接口：启动服务后，其他程序可以调用本地接口发图收结果，相当于在本机搭了一个 OCR 服务，方便二次开发或和工作流工具联动。

配合"任务完成后自动关机"这类选项，完全可以把这台电脑变成一台无人值守的"文字提取工作站"。

六、把软件调成顺手的样子：语言、主题与问题自查

最后聊聊个性化。在"全局设置"页面，你可以一键添加桌面快捷方式、设置开机自启，还能切换界面语言和亮/暗主题、调整字体大小。

如果遇到两个小问题，也可以在这里解决：

• 截屏闪烁或界面错位：多半是显卡渲染兼容性问题，到"界面和外观 → 渲染器"里换个渲染方案，或直接关闭硬件加速；
• 超大长图识别失败：在批量页设置里调高"限制图像边长"的数值即可。

另外，Umi-OCR 支持中、英、日、繁中等多种界面语言，第一次打开会自动跟随系统语言，想手动切换就去全局设置里找"语言/Language"。

写在最后

从截屏提取、批量转文字，到 PDF 扫描件检索、二维码收发，再到命令行和 HTTP 接口的自动化集成，Umi-OCR 把"离线文字识别"这件事做到了"免费 + 开源 + 省心"三个词。它不联网、不上传，保护隐私的同时也彻底告别了网速和账号的限制。

如果你也受够了手敲文字的苦，不妨去项目仓库下载一个试试（地址：https://gitcode.com/GitHub_Trending/um/Umi-OCR）。它完全免费，代码全部开源，喜欢的话顺手点个 Star，就当是给开发者的一份鼓励。把重复劳动交给工具，把时间留给真正重要的事，这大概就是效率工具最大的意义。

【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