企业官网建设流程全解析

Umi-OCR 实战：从截图OCR到批量处理，一篇搞定离线文字识别

【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

截一张代码图，框选，几秒后右边出现可选中、可复制的文本。这就是 Umi-OCR——一款免费、开源的离线 OCR 软件：不需要联网，数据不出本机，截图文字识别、批量图片识别、PDF 文档识别都在自己电脑上完成。

快速上手：三分钟完成第一次识别

无需安装。发行版是压缩包，解压即用。

1. 解压.7z压缩包，双击Umi-OCR.exe启动。
2. 打开左侧「截图OCR」标签页，顶部「文字」开关默认已打开。
3. 按快捷键Ctrl+Shift+A，或点击顶部截图图标。
4. 鼠标框选要识别的区域，按Esc取消。
5. 看右侧「记录」栏，选中记录按Ctrl+C复制。

成功标志：框选到的文字出现在右侧「记录」栏，带时间戳和置信度。记录可以直接编辑，也可以划选多条一起复制。如果嫌截图麻烦，还能在别处复制一张图片，直接粘贴进 Umi-OCR 识别。

界面默认按系统语言显示，如果是英文或日文，去「全局设置」→「语言/Language」切换成简体中文。

截图里的代码，怎么变成能跑的文本？

代码截图只有一个核心要求：缩进不能丢。Umi-OCR 靠文本后处理的「排版解析方案」解决，预设 8 种，最常用的三种：

操作很简单：

1. 框选代码截图。
2. 右侧面板切到「设置」→ 排版解析方案，选「单栏-保留缩进」。
3. 复制记录，直接粘进代码编辑器。

效果对比——一个三行 Python 函数的识别结果：

def add(a, b): total = a + b return total

和原图逐行对照，缩进、行内空格完全一致，不用手工重排。这个方案在 HTTP/CLI 调用时对应参数tbpu.parser = single_code，后面会用到。

这里有个细节：各排版方案都自动处理横排和竖排，竖排文字还需要 OCR 引擎本身支持竖排识别才行。

批量扫描文档，忽略区域怎么设置

扫描文档批量入库时，水印、页眉页脚都会混进结果里。批量 OCR 的专门工具是「忽略区域」：画矩形，框内的文字不进结果。

1. 切到「批量OCR」标签页，点「选择图片」添加文件或文件夹。jpg、png、webp、bmp、tif 都认，一次导入几百张也没有数量上限。
2. 右侧面板进「设置」→ 忽略区域编辑器，按住右键拖动画出若干矩形，把水印完全包住。
3. 注意：只有整个完全处于框内的文本块才会被忽略，不会切掉单个字符。
4. 选输出格式：txt、jsonl、md、csv（Excel）都有。
5. 点「开始任务」，顶部进度条显示整体进度，还可以设置任务完成后自动关机/待机。

遇到超大的长图、大图识别不准或偏慢时，把「页面设置 → 文字识别 → 限制图像边长」的数值调高即可。

参数调优：按场景挑配置

绝大多数参数不用动。想调的话，看这张「场景 → 配置」映射表，覆盖 4 个最高频参数：

三个参数各用一句话说清：

• tbpu.parser：识别出的文字块怎么拼接、怎么换行。
• ocr.limit_side_len：大图先压缩到这个边长，值低速度快，值高精度好。
• ocr.language：语言模型库。中文config_chinese.txt、英文config_en.txt、日文config_japan.txt、韩文config_korean.txt、俄文config_cyrillic.txt。

对应的配置片段（也保存在./UmiOCR-data/.settings文件里，可手动改完再用--reload重载）：

ocr.language = models/config_chinese.txt tbpu.parser = multi_para ocr.limit_side_len = 960

上面ocr.*几个参数属于 PaddleOCR 引擎插件；其他引擎可调用参数查询接口/api/ocr/get_options拿到各自支持的全部参数。

引擎选择，三点就够：

• PaddleOCR：精度高、语言库全，适合复杂文档。
• RapidOCR：速度快、占内存少，适合批量和简单文档。
• 默认先用默认引擎，识别不准再切 PaddleOCR 并调高边长限制。

接入自动化：命令行与 HTTP 接口

手动操作嫌累，就用两种外部调用方式。它们都走本地 HTTP 服务（默认开启，端口 1224，可在全局设置里改）。

命令行最轻，两条典型命令：

umi-ocr --path "D:/docs" "-->" D:/docs.txt # 批量识别文件夹，结果存txt umi-ocr --screenshot --clip # 截图并复制到剪贴板

--path可以传文件夹路径，会搜索其中所有图片（含子文件夹）全部识别。注意命令行任务沿用「截图OCR」标签页的设置，不想要弹窗就去该标签页关掉对应选项。

HTTP 接口适合程序集成，最小 Python 示例：

import requests, json, base64 b64 = base64.b64encode(open("a.png", "rb").read()).decode() r = requests.post("http://127.0.0.1:1224/api/ocr", data=json.dumps({"base64": b64, "options": {"data.format": "text"}})) print(json.loads(r.text)["data"]) # 识别文本

返回值里code=100表示成功、101表示图中无文本；企业场景可以再开几个不同端口的实例做轮询负载均衡，天然是容灾 OCR 服务。

HTTP 服务的开关、端口、主机范围都在「全局设置」里，和快捷键、界面语言放在一起管理。

卡点速查与下一步

下一步：

• 先做一次截图识别，把快捷键和复制流程跑通。
• 再拿一批扫描文档试忽略区域，体会框的大小怎么画。
• 想集成进其他工具，读下面两篇接口手册。
• 想查所有参数：打开./UmiOCR-data/.settings对照着看。

延伸阅读：

• 命令行手册
• HTTP接口手册

从截图到批量、从参数到接口，这四层用熟，离线文字识别这件事基本就闭环了。

【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