Umi-OCR：免费开源的离线文字识别工具

1. 提取截图中的文字并整理排版

日常办公遇到无法直接复制的网页文字、聊天截图或演示画面，打开 Umi-OCR 的截图 OCR 标签页，就能用快捷键框选屏幕区域，或者直接把剪贴板里的图片粘贴进来识别。界面左侧的图片预览栏支持直接用鼠标划选文字复制，右侧的识别记录栏则可以随时编辑修改，也能一次划选多条记录集中复制。

识别分栏资料或代码截图时，除了文字本身，还需要处理段落顺序、换行和缩进。Umi-OCR 内置了文本后处理排版解析方案，能根据原图布局整理文字顺序，并支持横排和从右到左的竖排文字（竖排需底层 OCR 引擎本身支持）：

• 多栏按自然段换行：适合大多数阅读材料，自动区分多栏布局，并按自然段规则整理换行。
• 单栏保留缩进：适合识别代码截图，能保留行首的缩进与行中空格。
• 按需控制换行：多栏和单栏模式下都提供总是换行、无换行（合并到同一行）等选项，也可以选择不做处理，保留引擎原始输出。

2. 批量识别图片并跳过水印文字

面对几百张本地图片或连续截图，批量 OCR 页面没有导入数量上限，支持 jpg、png、webp、bmp、tif 等常见格式，同样可以使用排版解析功能，并支持在任务完成后自动关机或待机。识别结果可导出为 txt、jsonl、md 和 csv（Excel）格式；需要注意的是，导出 csv 只是将识别结果按该格式保存，识别表格图片并还原输出为 Excel 目前仍在远期计划中。如果遇到像素超大的长图或大图，可以在页面设置的文字识别选项里，将限制图像边长的数值调高。

批量处理带有固定角标、Logo 或水印的图片时，可以在右侧设置中打开忽略区域编辑器，按住鼠标右键绘制多个矩形框。这并不是修改原图或去除图片水印，而是让软件在识别时跳过框内的文字，避免无关字符混入结果。由于只有完全处于矩形框内部的整个文本块才会被忽略，画框时需要尽量画大一些，把水印可能出现的位置完整包住，未完全落入框内的文本块则不会被该区域排除。

3. 将扫描文档转为可搜索的 PDF

整理扫描件或电子书时，文档识别页面支持导入 pdf、xps、epub、mobi、fb2 和 cbz 文件。它不仅能直接提取文档里的原有文本或对扫描页面做 OCR 识别，还能将识别结果输出为双层可搜索 PDF。这样既保留了原本的扫描版面，又能按关键词检索、划选复制里面的文字。

文档识别同样支持设置忽略区域和任务完成后自动关机或休眠。如果整本扫描资料的顶部和底部都有固定页眉、页脚或页码，可以设置忽略区域，排除这些位置的重复文字。

4. 离线运行、附加功能与平台支持

Umi-OCR 代码开源且完全免费，适用于 Windows 7 x64 和 Linux x64 系统（macOS 兼容尚在远期计划中）。Windows 下提供 .7z 压缩包或 .7z.exe 自解压包，后者不需要另装解压软件；无需安装，解压后直接运行程序即可。软件支持离线识别，不需要上传图片，适合处理不便上传到云端的内部资料。如果部分机器出现截屏闪烁或界面错位，可以在全局设置的界面和外观中调整渲染器，切换渲染方案或关闭硬件加速。

除了常规文字识别，软件还内置了二维码工具与外部调用接口：

• 二维码识别与生成：支持截图、粘贴或拖入图片读取二维码和条形码，可一图多码识别 QRCode、Code128、EAN13 等 19 种协议；也能输入文本并设置纠错等级来生成二维码图片。
• 插件与外部接口：自带离线 OCR 引擎与多语言识别库，可通过插件切换 Rapid-OCR 或 Paddle-OCR 引擎；同时提供命令行与 HTTP 接口，方便开发者或进阶用户接入自动化流程。