电脑上的免费离线OCR神器：Umi-OCR 从截图识图到PDF转文字全攻略

电脑上的免费离线OCR神器：Umi-OCR 从截图识图到PDF转文字全攻略

【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

你是否有过这样的经历：网页上的一段文字明明能看到，却被防复制限制得死死的，只能对着屏幕一个字一个字地敲？论文的扫描版PDF要引用，却没法复制里面的内容？同事发来的截图里，代码缩进和排版都乱了套？面对这些"看得见、摸不着"的文字，绝大多数人的第一反应是打开在线识别网站——然后被上传速度、文件大小限制和隐私担忧反复折磨。

其实，你完全可以彻底绕开这些问题。Umi-OCR是一款免费、开源、完全离线的文字识别软件，支持 Windows 和 Linux，无需联网、无需登录，解压就能用。它内置了多国语言识别库，把截屏识别、批量图片转文字、PDF扫描件提取、二维码扫描与生成都装进了一个轻量级界面里。下文会带你从零上手，并挖掘几个容易忽略但非常好用的进阶玩法。

先看看它能帮你省多少事

单说"离线"这两个字，就值得多说几句：图片和文档全程在你自己的电脑上处理，不会上传到任何服务器，敏感材料（合同、身份证、内部资料）也能放心识别；没有网也能照常干活；而且终身免费，不存在按次计费或会员墙。

日常使用中，它最常见的三种形态是这样的：

• 截图即识别：按下快捷键框选屏幕区域，松手即出文字。
• 批量导入：几百张图片拖进来，一次性跑完，输出成多种格式。
• 文档识别：PDF 扫描件一键转成可复制、可搜索的双层文本。

三步完成第一次截图识别

整个上手过程可以压缩成三步，从下载到产出第一个识别结果，一般不会超过五分钟。

第一步：拿到软件包并解压。从项目仓库获取压缩包（注意下载体积较大是因为自带识别引擎和语言库），解压到任意路径。建议放在不含中文字符的纯英文路径下，避免个别环境下出现兼容问题。Umi-OCR 不需要安装，解压后双击Umi-OCR.exe即可启动；Linux 用户运行umi-ocr.sh脚本。

第二步：打开"截图OCR"标签页。默认的截图快捷键是 Ctrl+Shift+S（也可在热键设置里改成顺手的那组），按下后屏幕会出现取景框，用鼠标框住想提取的文字区域，松开即开始识别。

第三步：拿到结果并处理。识别文字会立刻出现在右侧记录栏中，支持划选复制、右键菜单复制图片或文字。左侧还有图片预览栏，可以直接用鼠标划选其中的文字再复制。如果觉得一次截不准，右键还能"重复上一次截图"。

三类人群的专属玩法

同一个软件，不同人用出来的效果差别很大。下面按人群拆解最实用的组合拳。

办公族：批量处理与PDF文档提取

办公室里最多的麻烦是扫描件和纸质材料。Umi-OCR 的"批量OCR"页面一次可导入几百张图片，任务完成后支持自动关机或待机，适合下班前挂机处理大堆档案。保存格式支持 txt、jsonl、md、csv（Excel），数据整理、归档都接得上。

PDF 方面，"文档识别"支持 pdf、xps、epub、mobi、fb2、cbz 等格式，对扫描件执行 OCR，也能提取原有文本，还能输出为双层可搜索PDF——上面是原始图像、底下藏着文本层，之后随时可以搜索和复制。处理电子书、合同扫描件，这个功能非常顶用。

学生党：截图摘抄与多语言笔记

上网课、看文献时遇到不能复制的段落，截图识别完直接存进笔记软件。Umi-OCR 的排版解析功能会自动整理文字顺序：多栏论文会按自然段正确换行，竖排（从右到左）的文字也能处理，摘抄逻辑瞬间清爽。它还内置多国语言识别库，需要识别英文、日文资料时同样顺手。

程序员：代码截图无损还原

代码截图最怕两件事：缩进丢了、特殊字符被识别歪。Umi-OCR 的排版解析里有一个"单栏-保留缩进"方案，专门为解析代码截图设计，能保留行首缩进和行中空格，注释、符号还原度都相当能打。

三个容易被忽略的宝藏功能

表面上看，Umi-OCR 只是个"截图取字"工具，但深入用下来，有几个功能非常值得专门夸一夸。

忽略区域：批量处理时的去水印神器。批量识别带水印、页眉页脚的图片时，识别结果总被无关文字污染。Umi-OCR 允许你在图片上绘制多个矩形框，框内的文字块会被整个忽略。批量处理几百张带相同水印的截图时，这一手能省下大量后期清理功夫。

二维码全家桶：扫码与生成都齐全。它不仅能从截图、粘贴、拖入的图片里读取二维码和条形码，支持一图多码，还内置了包括 QRCode、Code128、EAN13、PDF417、Aztec 等 19 种协议；反过来，也能输入文本直接生成二维码图片，并调整纠错等级。临时想做个二维码分享信息，完全不用再找在线网站。

多语言界面：装给不会中文的同事用。第一次启动会自动跟随系统语言，也可以在全局设置里手动切换。软件内置繁中、英语、日语、俄语等多种语言，把软件推荐给国外同事或家人时，不需要强迫对方适应中文界面。

全局设置里的门道

"全局设置"页虽然藏得深，但值得花一分钟逛一遍：

• 快捷方式：一键添加桌面/开始菜单快捷方式，或设置开机自启。
• 界面外观：切换语言、亮暗主题、调整字体大小和界面缩放比例。
• 窗口行为：可以设置启动时直接最小化到任务栏，配合开机自启，用起来像系统级工具一样自然。
• 渲染器：如果出现截屏闪烁或界面错位，到这里切换渲染方案或关闭硬件加速即可。

新手最容易踩的五个坑

把这些坑提前告诉你，能少走不少弯路：

与同类方案横向对比

把 Umi-OCR 和常见的几种取字方案摆在一起，差异一目了然：

进阶玩法：把它塞进你的工作流

Umi-OCR 的潜力不止于图形界面，它还开放了命令行和 HTTP 接口，这两条通道让它从"一个软件"升级成"任意脚本里的一个工具"。

命令行入口就是主程序Umi-OCR.exe（Linux 下是umi-ocr）。几个高频用法：

• 截屏并自动复制结果：umi-ocr --screenshot --clip
• 识别指定图片或文件夹：umi-ocr --path "D:/img.png"
• 识别结果写入文件：umi-ocr --screenshot --output result.txt
• 读取/生成二维码：umi-ocr --qrcode_read "D:/x.png"、umi-ocr --qrcode_create "文本" "D:/out.jpeg"

更妙的是它支持指定范围截屏，例如截取第 2 个屏幕固定区域：umi-ocr --screenshot screen=1 rect=50,100,300,200。配合快捷键工具，可以实现"按一个键就自动截取某块区域并输出文字"的自动化流程。

HTTP 接口方面，项目提供了一份完整的手册（见docs/http/README.md），包含图片识别、PDF 文档识别、二维码识别与生成的接口说明，允许程序以 Base64 或参数方式调用本地服务。比如你写个小工具自动抓取软件界面文本，把截图发给本地端口，就能拿到结构化结果——这为自动测试、内容采集等场景打开了很大想象空间。

需要动手改造的开发者，可以在仓库源码中按UmiOCR-data→py_src→qt_res的结构摸索：前者是 Python 逻辑层，后者是 QML 界面层，官方文档与构建说明也都随仓库附带。

现在就可以上手

回看整篇文章，Umi-OCR 的核心价值其实就三个词：免费、离线、全能。它把截图取字、批量转写、PDF 提取、二维码处理收进一个无需安装的绿色软件里，对办公族是效率工具，对学生党是学习助手，对程序员是能写进脚本的自动化零件，而且隐私安全、没有使用成本。

如果你手头正积压着一堆截图或扫描件，与其继续忍受在线识别的上传限制，不如花五分钟把它装起来，按下第一次 Ctrl+Shift+S，你会立刻感受到"文字随手可得"的爽快。任何工具，只有真正用起来，才算被拥有。

【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