Umi-OCR：离线 OCR 三步上手，截图取字到批量识别全搞定-平芜编程栈

Umi-OCR：离线 OCR 三步上手，截图取字到批量识别全搞定

【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

Umi-OCR 是一款免费、开源的离线 OCR 软件，截图取字、整文件夹批量识别、扫描版 PDF 转双层可搜索 PDF，全程不联网、不装环境，解压即用。截图页支持"排版解析"整理阅读顺序，批量页有"忽略区域"排除水印，文档识别页把扫描件变成能搜能选的文件。命令行和本地 HTTP 接口还留给脚本与定时任务调用。

先确认环境

项目	要求
平台	Windows 7 x64、Linux x64
获取方式	发布包`.7z`压缩包或`.7z.exe`自解压包；也可`git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR`获取源码
运行要求	无需安装、无需联网；界面语言自动跟随系统
内置引擎	RapidOCR-json、PaddleOCR-json，多语言模型库随包内置

运行起来

解压发布包，Windows 双击Umi-OCR.exe，Linux 执行umi-ocr.sh。
预期现象：主窗口弹出，标签栏出现"截图 OCR""批量 OCR""文档识别""二维码""全局设置"。
界面语言不对就去"全局设置"切换，无需重启。

从屏幕截出一段文字

操作

打开"截图 OCR"标签页。
按页面设置的快捷键唤起截图，框住文字区域后松开鼠标；Esc随时取消。
识别完成后，点击右侧记录栏里那条带时间戳的结果即可复制；左侧预览栏里的文字也能直接划选。在别处复制好图片，也可以直接粘贴到这一页识别。

验收

✅ 记录栏多出一条新记录，粘贴到记事本，文字与图中一致。
预览栏文字可划选，说明文本层已经生成。

避坑

⚠️ 代码截图的缩进被压平 → 排版解析默认是"多栏-按自然段换行"，面向普通文档 → 把排版解析改成"单栏-保留缩进"，行首缩进和行内空格就能保留。
竖排文字识别顺序怪 → 各排版方案都能自动处理横排和竖排，但竖排还需要 OCR 引擎本身支持。

一个文件夹几百张图，一次出结果

操作

打开"批量 OCR"标签页，选择图片，或直接拖入整个文件夹；一次几百张没问题，数量没有上限。
输入格式支持jpg / jpe / jpeg / jfif / png / webp / bmp / tif / tiff，输出勾选txt / jsonl / md / csv(Excel)。
图片里带固定水印或 LOGO 时，进右栏设置的忽略区域编辑器，按住右键画矩形把水印包进去，框画大一点。
长图、小字多的图，到"设置 → 文字识别"把"限制图像边长"调高。
点击开始，左侧列表逐张滚出耗时和置信度；跑完每个文件对应一份输出。

验收

✅ 任务结束后，每张输入图都有对应输出文件。
抽 3 张对比预览和结果；置信度（0~1）偏低的几张人工核对一遍。

避坑

⚠️ 大图里小字认错 → 默认边长 960 会先把大图压缩 → 调到 2880 或 4320。
⚠️ 水印文字混进结果 → 只有整块落在框内的文本会被丢弃，横跨框边的字块仍保留 → 忽略区域画大、画全。
半夜跑大批任务 → 可开启任务完成后自动关机/待机，跑完自己收工。

扫描版 PDF 怎么出可搜索版本

操作

打开"文档识别"标签页，拖入文档，支持pdf / xps / epub / mobi / fb2 / cbz。
有页眉页脚的，设一个忽略区域把固定位置框掉。
开始任务。产物是双层可搜索 PDF：原图在下，识别文字在上；只要原文字，可改存单层纯文本 PDF。

验收

✅ 打开产物按Ctrl+F，搜一个只出现在正文里的词，能直接跳到对应页，说明文字层写对了。
能选中、复制出文字，版面排版没变。

避坑

⚠️ 输出 PDF 搜不到字 → 保存类型选的不是双层可搜索 PDF → 在保存设置里勾选对应类型再跑。
扫描件页眉页脚混进文本 → 忽略区域没画到该位置 → 按版面对齐框住页眉页脚区域。

把识别能力挂进脚本和定时任务

操作

进"全局设置"确认 HTTP 服务已允许（默认开启），主机保持"仅本地"，默认端口1224。命令行和 HTTP 接口都依赖这个服务。
命令行直接用，入口就是主程序，umi-ocr是Umi-OCR.exe的简写：

umi-ocr --screenshot --clip umi-ocr --path "D:/docs" --output "结果.txt"

--path可以传文件夹，会递归识别里面所有图片，也支持多路径。
HTTP 两步走：先GET http://127.0.0.1:1224/api/ocr/get_options拿全部参数定义，再POST http://127.0.0.1:1224/api/ocr提交识别，请求体base64放图片编码、options放语言、排版解析等选项。PDF 有对应的上传、查询、下载接口。

验收

✅umi-ocr --help能打印完整指令说明。
✅ 浏览器访问get_options地址返回 JSON 参数表；POST 一次，返回code为100且data里有识别文本。

避坑

⚠️ 命令行没有任何反应 → 九成是 HTTP 服务没开 → 全局设置里允许 HTTP 服务。
系统管道>、|可能失效 → 运行环境限制 → 改用--output，或走"HTTP 转发命令行"接口。
长任务偶发ECONNREFUSED报错 → 后端并发能力有限 → 不要并发调用，重发请求即可。

参数只动这几个

参数	默认值	什么时候改	建议值
语言/模型库	`models/config_chinese.txt`（简体中文）	纯英文、纯代码文档	`models/config_en.txt`等，见 get_options 返回值
排版解析方案	`multi_para`（多栏-按自然段换行）	代码截图要保留缩进；想整段不换行	`single_code`（单栏-保留缩进）/`multi_none`
限制图像边长	`960`	长图、小字多的大图	`2880`、`4320`或`999999`（无限制）
HTTP 端口	`1224`	和本机其他服务冲突	全局设置里改成空闲端口

界面上的改动都会存进UmiOCR-data/.settings（ini 格式）。也可以直接手改这个文件，然后执行umi-ocr --reload重新加载（v2.1.5 及以上支持）。

出问题先查这里

现象	多半原因	处理办法
命令行截屏无反应	HTTP 服务没开	全局设置里允许 HTTP 服务，主机选"仅本地"
识别顺序错乱、读不通	排版解析方案不匹配这张图	换方案；代码截图选"单栏-保留缩进"
大图里小字认错	默认边长 960 先压缩了图片	"限制图像边长"调到 2880 以上
水印、LOGO 文字混进结果	文本块落在忽略区域之外	重画忽略区域，框大框全
HTTP 偶发`ECONNREFUSED`	后端并发能力有限	不要并发调用，重试请求