别再手抄截图文字：这款免费离线OCR工具，图片、PDF、二维码一步变文本

别再手抄截图文字：这款免费离线OCR工具，图片、PDF、二维码一步变文本

【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

你有没有算过，自己有多少时间浪费在“照着图片敲字”上？网页里的资料锁了复制权限、扫描版PDF怎么选都选不中、朋友发来的PPT翻拍图字迹模糊——这些场景下，OCR文字识别本是救星，但打开网页版识别工具又担心资料被上传、限次数、卡网速。好在还有另一条路：Umi-OCR，一款免费、开源、完全离线的OCR工具，把截图、批量图片、PDF文档乃至二维码里的信息，几秒钟变成干净可编辑的文本，全程不需要联网。

从一个手抄截图的下午说起

事情要从一次加班说起。当时我需要把一份PDF里的表格数据整理进文档，偏偏那份PDF是扫描件，既不能复制也不能搜索。于是，我像个老式打字员一样，对着屏幕一行行抄。两个小时过去，表格还没抄完一半，眼睛酸得不行。

第二天同事看我可怜，丢过来一个绿色图标的程序：“装这个，离线识别的，别老跟自己过不去。”那天下午，我第一次知道原来OCR可以这么安静——没有上传进度条、没有注册弹窗、没有“今日剩余次数”。框选、识别、复制，整个过程行云流水。从那时起，这份“手抄苦役”就算正式退役了。

先别急着下载：为什么“离线”两个字这么值钱

很多人习惯用在线OCR，但仔细想想，你要识别的往往是什么？可能是带个人信息的账单、公司内部的合同截图、还没公开的论文草稿。把这些图片传到别人的服务器上跑一圈，心里总归不太踏实。

Umi-OCR的做法是反过来的：识别引擎直接打包在软件里，数据从头到尾不出你的电脑。类比一下，在线OCR像是把资料传真给远方机构等回执，而离线识别就像请了一位翻译常驻家中，随叫随到、永不泄密。

离线还带来两个隐形福利：一是彻底告别网速焦虑，识别速度只取决于你的硬件；二是没有次数和字数的限制，识多识少都是免费的。再加上项目完全开源，代码透明可查，安全性这件事不用靠“信任”，靠的是证据。

三步完成离线识别环境搭建

抛开复杂的配置，从拿到软件到跑起来，拢共就三步：

1. 下载并解压：从项目仓库拿到压缩包后，解压到纯英文路径下（比如D:\UmiOCR）。这一步看似小细节，却能省掉日后一堆编码报错的麻烦。
2. 直接启动：软件无需安装，双击目录里的Umi-OCR.exe就能用，没有注册、没有激活码。
3. 顺手做个个性化：首次打开时，软件会按你电脑的系统语言自动切换界面。想换主题或调字体，去“全局设置”里点几下就行。

特别想说一句，这套“解压即用”的思路对小白极其友好——你不需要碰命令行，也不需要安装任何运行环境，把软件当成一个绿色小工具看待即可。

难题一：屏幕上的文字搬不动？截图识别了解一下

办公中最常见的痛点是：文字明明就在屏幕上，可就是复制不了。无论是加密的文档、图片形式的教程，还是网页里反爬的文字，截图OCR都能绕过去。

用起来也简单：在截图OCR标签页待命，按下快捷键（默认Ctrl+Shift+S）唤起截图框，鼠标框选出目标区域，识别结果几乎同时出现在右侧。之后你可以像编辑普通文本一样修改它，右键菜单里复制、全选、复制原图一应俱全。

还有个贴心细节：在任意地方复制了图片，直接粘贴进Umi-OCR就能识别，连截图键都不用按。这条路径我天天用——微信里收到一张图片，Ctrl+C、Ctrl+V，文字就到手了。

难题二：版面乱糟糟？排版解析帮你理顺阅读顺序

截下来的图，版面往往不听话：有的是两栏排版的论文页，有的是段落参差的公众号长图。如果OCR引擎一股脑按行输出，读起来就东一句西一句。

Umi-OCR内置了“文本后处理”模块，内置好几套排版解析方案：多栏布局会自动按自然段换行，单栏内容可以选择强制合并成一行，甚至支持竖排文字（从右到左）的自动整理。你只管在“设置”里选一个方案，剩下的交给它。

难题三：几百张图片要转文字？批量任务一键排队

单张识别只是开胃菜，真正的硬仗是批量：比如把一整本纸质书的照片整理成电子笔记，把几十张产品截图录入系统。这时候如果还一张张框选，手会先于颈椎报废。

批量OCR页面解决的就是这个场景。把图片拖进列表，点一下“开始任务”，剩下的交给进度条。重点在于几个硬指标：

• 没有数量上限，一次性导入几百张图片也没问题；
• 输出格式支持 TXT、JSONL、Markdown、CSV（可直接用Excel打开）；
• 任务跑完还能自动关机或休眠——睡前挂上任务，早上起来直接收结果。

唯一要留意的是超长截图：如果图片边长太大，识别前记得在“设置→文字识别→限制图像边长”里把数值调高，否则大图可能被压缩处理。

难题四：水印和页眉页脚来捣乱？“忽略区域”直接划掉

批量处理时还有个常见拦路虎：水印。扫描件上常有“内部资料”“XX公司”之类的半透明logo，识别出来全是噪音，还污染段落顺序。

Umi-OCR为此专门设计了忽略区域功能：在图片上按住右键，把水印可能出现的位置圈出来，识别时这些区域就会被整体跳过。原理是忽略“完整文本块”，所以即使水印位置有轻微偏移，只要框画得够大，照样能兜住。

这一招同样适用于PDF识别中的页眉页脚排除——论文页眉那行小字，从此再也不会混进正文里。

难题五：扫描版PDF成砖头？文档识别让它“开口”

回到我最初那个加班下午的痛点：扫描版PDF。Umi-OCR的文档识别支持PDF、EPUB、MOBI等多种格式，可以对扫描件逐页OCR，也可以直接提取电子版原有文本。

更妙的是，它能输出双层可搜索PDF：表面看还是原来的扫描页面，底下却藏了一层识别好的文字层。这意味着原本只能“看”的砖头PDF，一下子变成了能搜索、能选中、能复制的活文档。把老书、旧合同这样处理一遍，等于给资料库做了一次彻底的“数字化翻身”。

顺带一提：写代码的人，截图识别也能保住缩进

如果你是个程序员，肯定经历过从代码截图里抄代码的绝望——缩进丢了、空格没了，报错能报到你怀疑人生。

Umi-OCR的排版解析里专门有一档**“单栏-保留缩进”**方案，专为代码截图而生。它会保留行首缩进和行中空格，识别出来的代码基本可以直接粘回编辑器。下面是它的实际效果对比：

二维码也想顺路搞定？扫码、生成一次配齐

除了文字，Umi-OCR还顺手管了二维码的事。截图、粘贴或拖入一张带码的图片，它能一次读出图中的多个二维码或条形码，支持Aztec、DataMatrix、PDF417、QRCode等19种协议。

反过来，输入一段文本也能直接生成二维码图片，连纠错等级都能调。聚餐时临时要做个签到码、公众号引流图，打开它两秒搞定，犯不着再专门找网页生成器。

多语言界面：给国际友人用也不尴尬

项目在翻译这件事上做得很认真，界面支持简体中文、繁体中文、英语、日语、俄语等多种语言，且会跟随系统语言自动切换。内置的OCR语言库也覆盖多国文字，处理外语文档时直接在下拉菜单里换语言模型即可。

让识别自动跑：命令行与HTTP接口的进阶玩法

当你不满足于点鼠标，可以把识别能力接进自己的工作流。Umi-OCR支持命令行调用，一条命令就能批量处理整个文件夹：

Umi-OCR.exe --folder "图片目录路径" --output "txt"

意思很直白：把“图片目录路径”换成你的文件夹，识别结果就会以TXT格式输出到指定位置。

它同时还提供HTTP接口，可以在本地启动一个服务端口，让其他程序调用识别能力。比如写个脚本定时监控某个文件夹，新图片一落盘就自动识别归档——这种“全自动流水线”的玩法，懂一点编程的朋友可以尽情发挥。开发者若想二次开发，也可以直接克隆源码：

git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR

这些坑我替你踩过了

用久了总会遇到些小状况，提前说破能帮你少走弯路：

• 启动闪退：多半是电脑缺少VC++运行库，装上对应运行库基本就能解决。
• 截图时界面闪烁、控件错位：这是渲染器兼容性问题，去“全局设置→界面和外观→渲染器”换个渲染方案，或直接关闭硬件加速。
• 识别结果总出错：先检查图片本身——清晰度够不够、对比度是否合适。其次检查语言模型是否匹配，中文图配了英文模型，结果自然离谱。
• 大图识别异常：记得调高“限制图像边长”的数值，给长截图留出处理空间。

最后一句：从今天起，别再手抄文字了

说到底，OCR的价值不是“高科技”，而是把本该属于你的时间还给你。那些被手抄吞噬的下午、被水印干扰的表格、沉睡在扫描件里的知识，用一个免费且开源的离线工具就能全部唤醒。

下载一份Umi-OCR，找一个你早就想处理的截图或PDF试试。十分钟后你会发现，原来“文字提取”这件事，真的可以像复制粘贴一样顺滑。

【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