README

中文
    
     • 
    
        English
    
     • 
    
        日本語
    



  
    
  


Umi-OCR 文字识别工具


  
    
  
  
    
  
  
    
  
  
    
  
  
    
  
  
    
  



  
    
      使用说明
    
     • 
    
      下载地址
    
     • 
    
      更新日志
    
     • 
    
      提交Bug
    
  




  免费，开源，可批量的离线OCR软件
  适用于 Windows7 x64 、Linux x64


- 免费：本项目所有代码开源，完全免费。
- 方便：解压即用，离线运行，无需网络。
- 高效：自带高效率的离线OCR引擎，内置多种语言识别库。
- 灵活：支持命令行、HTTP接口等外部调用方式。
- 功能：截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别



!1-标题-2.png

 目录

- 截图识别
  - 排版解析 - 识别不同排版，按正确顺序输出文字
- 批量识别
  - 忽略区域 - 排除截图水印处的文字
- 二维码 支持扫码或生成二维码图片
- 文档识别 从PDF扫描件中提取文本，或转为双层可搜索PDF
- 全局设置
- 命令行调用
- HTTP接口
- 构建项目（Windows、Linux）

 使用源码

开发者请务必阅读 构建项目 。

 下载发行版

以下发布链接均长期维护，提供稳定版本的下载。

- 蓝奏云 https://hiroi-sora.lanzoul.com/s/umi-ocr （国内推荐，免注册/无限速）
- GitHub https://github.com/hiroi-sora/Umi-OCR/releases/latest
- Source Forge https://sourceforge.net/projects/umi-ocr



•  Scoop Installer（点击展开）

Scoop 是一款Windows下的命令行安装程序，可方便地管理多个应用。您可以先安装 Scoop ，再使用以下指令安装 Umi-OCR ：

- 添加 extras 桶：

scoop bucket add extras


- （可选1）安装 Umi-OCR（自带 Rapid-OCR 引擎，兼容性好）：

scoop install extras/umi-ocr


- （可选2）安装 Umi-OCR（自带 Paddle-OCR 引擎，速度稍快）：

scoop install extras/umi-ocr-paddle


- 不要同时安装二者，快捷方式可能会被覆盖。但您可以额外导入 插件 ，随时切换不同OCR引擎。




 开始使用

软件发布包下载为 .7z 压缩包或 .7z.exe 自解压包。自解压包可在没有安装压缩软件的电脑上，解压文件。

本软件无需安装。解压后，点击 Umi-OCR.exe 即可启动程序。

遇到任何问题，请提 Issue ，我会尽可能帮助你。

 界面语言

Umi-OCR 支持的界面多国语言。在第一次打开软件时，将会按照你的电脑的系统设置，自动切换语言。

如果需要手动切换语言，请参考下图，全局设置→语言/Language 。



 标签页

Umi-OCR v2 由一系列灵活好用的标签页组成。您可按照自己的喜好，打开需要的标签页。

标签栏左上角可以切换窗口置顶。右上角能够锁定标签页，以防止日常使用中误触关闭标签页。

 截图OCR



截图OCR：打开这一页后，就可以用快捷键唤起截图，识别图中的文字。
- 左侧的图片预览栏，可直接用鼠标划选复制。
- 右侧的识别记录栏，可以编辑文字，允许划选多个记录复制。
- 也支持在别处复制图片，粘贴到Umi-OCR进行识别。
- 关于 公式识别 功能

 文本后处理



关于 OCR文本后处理 - 排版解析方案： 可以整理OCR结果的排版和顺序，使文本更适合阅读和使用。预设方案：
- 多栏-按自然段换行：适合大部分情景，自动识别多栏布局，按自然段规则进行换行。
- 多栏-总是换行：每段语句都进行换行。
- 多栏-无换行：强制将所有语句合并到同一行。
- 单栏-按自然段换行/总是换行/无换行：与上述类似，不过 不区分多栏布局。
- 单栏-保留缩进：适用于解析代码截图，保留行首缩进和行中空格。
- 不做处理：OCR引擎的原始输出，默认每段语句都进行换行。

上述方案，均能自动处理横排和竖排（从右到左）的排版。（竖排文字还需要OCR引擎本身支持）

---

 批量OCR



批量OCR：这一页用于批量导入本地图片进行识别。
- 支持格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff。
- 保存识别结果的支持格式：txt, jsonl, md, csv(Excel)。
- 与截图OCR一样，支持文本后处理功能，整理OCR文本的排版和顺序。
- 没有数量上限，可一次性导入几百张图片进行任务。
- 支持任务完成后自动关机/待机。
- 如果要识别像素超大的长图或大图，请调整：页面的设置→文字识别→限制图像边长→【调高数值】。
- 拥有特殊功能 忽略区域 。

 忽略区域



关于 OCR文本后处理 - 忽略区域： 批量OCR中的一种特殊功能，适用于排除图片中的不想要的文字。
- 在批量识别页的右栏设置中可进入忽略区域编辑器。
- 如上方样例，图片顶部和右下角存在多个水印 / LOGO。如果批量识别这类图片，水印会对识别结果造成干扰。
- 按住右键，绘制多个矩形框。这些区域内的文字将在任务中被忽略。
- 请尽量将矩形框画得大一些，完全包裹住水印所有可能出现的位置。
- 注意，只有处于忽略区域框内部的整个文本块（而不是单个字符）会被忽略。如下图所示，黄色边框的深色矩形是一个忽略区域。那么只有key_mouse才会被忽略。pubsub_connector.py、pubsub_service.py 这两个文本块得以保留。


---

 文档识别



文档识别：
- 支持格式：pdf, xps, epub, mobi, fb2, cbz。
- 对扫描件进行OCR，或提取原有文本。可输出为 双层可搜索PDF 。
- 支持设定 忽略区域 ，可用于排除页眉页脚的文字。
- 可设置任务完成后 自动关机/休眠 。

---

 二维码



扫码：
- 截图/粘贴/拖入本地图片，读取其中的二维码、条形码。
- 支持一图多码。
- 支持19种协议，如下：

Aztec,Codabar,Code128,Code39,Code93,DataBar,DataBarExpanded,DataMatrix,EAN13,EAN8,ITF,LinearCodes,MatrixCodes,MaxiCode,MicroQRCode,PDF417,Q

Top issues

Discussions

Latest release

English

 Umi-OCR 三周年撒花~~

 v2.1.5 主要更新：

- 新增：日志机制。在命令行中启动 Umi-OCR 可查看实时日志。指定级别以上（默认为ERROR）的日志被保存到 Umi-OCR/UmiOCR-data/logs 目录中，保存级别可以在全局设置标签页中更改。
- 新增：大部分标签页能手动切换左右/上下双栏模式。 (789)
- 新增：Esc键隐藏主窗口。 (652)
- 新增：调整二维码生成相关参数后，自动刷新二维码生成。 (690)
- 新增：命令行指令 --reload ，用于重新加载配置文件。 👉 文档
- 修复：文档识别提取PDF自带的文本内容时，未考虑页面旋转的影响。 (785)
- 修复：文档识别生成单层PDF时，未写入原PDF自带的文本内容。
- 修复：OCR结果展示列表的一些显示Bug和鼠标划选Bug。
- 修复：调整标签页顺序或删除标签页后，未及时保存顺序信息。
- 修复：HTTP接口 /api/doc/download 参数 ignore_blank 的错误。
- 修复：Linux版本截图时，系统任务栏推移顶层窗口，导致截图位置偏移。 (778)
- 修复：Linux版本截图后，主窗口的位置与操作前不一致。
- 优化：图片/文档的异步加载机制。现在可以流畅地加载含有数万个子文件的文件夹，且能