离线OCR实战手记：一晚上把几百页扫描件变成可搜索文字
【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
上个周末，我把手头二十多本扫描版书和几百张课件截图，全部变成了能搜索、能复制的文字。工具是一款叫 Umi-OCR 的开源免费离线OCR软件——不联网、不注册，解压即用，截图文字提取、批量图片、PDF文字提取全都能干。这篇实战手记我按"先看成果、再倒推做法"的顺序讲，每一步都能照做。
先看成果：扫描件一夜之间"活"了
睡前把一堆扫描版 PDF 拖进"文档识别"页排队，勾上完成后自动关机，醒来发现输出目录里每本书都多出一份新 PDF。打开一页：版面还是原来的扫描原图，可光标划过时能选中文字、能全文搜索、能划词复制。这就是双层可搜索PDF——底层保留原图，顶层覆盖一层透明文字层。
倒推第一步：解压即用，离线OCR环境三分钟搭好
整个过程我没装任何东西。下载 .7z 压缩包解压，双击 Umi-OCR.exe 启动，主界面是标签页式：截图OCR、批量OCR、文档识别、二维码、全局设置。我第一件事是去"全局设置"过一遍：语言、主题、字体、界面缩放都在这里调。如果你遇到截屏闪烁或界面错位，把"渲染器"切换成别的方案，或关闭硬件加速，通常就能缓解。
倒推第二步：从截图文字提取热身
先把"截图OCR"页的快捷键记住（设置里能改）。按下快捷键，屏幕出现取景框，框住想识别的区域、松开鼠标，右侧面板瞬间吐出识别好的文字，连缩进都保留着。
这里有个我最初忽略的细节——"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，不会串行。另外，直接把剪贴板里的图片粘进这个页面也能识别，这个入口很隐蔽，但相当实用。
倒推第三步：成堆图片交给批量识别
手机里几百张书页照片，全拖进"批量OCR"页的任务列表，点开始任务，进度条逐张跳动，每张图下方标注着耗时和状态。识别结果能导出成 txt、jsonl、md 或 csv（Excel）格式。
我踩过的坑是照片里的水印和页角阴影会被误识别成正文——好在有忽略区域功能：在忽略区域编辑器里按住右键，把水印可能出现的位置框出来，任务里这些区域整块跳过，输出干净得多。
倒推第四步：扫描版PDF文字提取的关键设置
最难啃的书是"文档识别"页搞定的。它支持 pdf、xps、epub、mobi、fb2、cbz 等格式：本身带文字层的直接提取文本，扫描件则走OCR并输出双层可搜索PDF。
长文档一定要复用"忽略区域"，把页眉页脚框掉，否则页码和书名会混进正文。设置好、点开始，剩下的交给夜晚，第二天直接拿结果。
彩蛋：二维码、命令行与多语言界面
顺手还捡到几个彩蛋。"二维码"页既能截图扫码（支持一图多码），也能输入文本生成二维码、调节纠错等级。想自动化的话，项目带命令行和HTTP接口，文档在 docs/README_CLI.md 和 docs/http/ 目录下，可以把识别能力嵌进自己的小工具。界面支持简体中文、繁体中文、英文、日文等切换，更新记录都写在 CHANGE_LOG.md 里。
什么时候值得用：我的建议
如果你的资料里也压着大量扫描版书、课件截图和无法复制的旧 PDF，又在意隐私、不想把内容传到在线服务，这款免费离线的OCR工具几乎就是为你准备的。去项目仓库下载最新发行版即可；想读源码或参与开发，可以git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。
从一张截图开始试起，多半用不了多久，你就会和我一样，把它设成默认工具。🌟
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
