Awesome

• 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

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 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,QRCode,UPCA,UPCE

生成码：

• 输入文本，生成二维码图片。
• 支持19种协议和纠错等级等参数。

全局设置

全局设置：在这里可以调整软件的全局参数。常用功能如下：

• 一键添加快捷方式或设置开机自启。
• 更改界面语言。Umi支持繁中、英语、日语等语言。
• 切换界面主题。Umi拥有多个亮/暗主题。
• 调整界面文字的大小和字体。
• 切换OCR插件。
• 渲染器：软件界面默认支持显卡加速渲染。如果在你的机器上出现截屏闪烁、UI错位的情况，请调整界面和外观 → 渲染器 ，尝试切换到不同渲染方案，或关闭硬件加速。

调用接口：

• 命令行手册
• HTTP接口手册

软件本地化翻译：

感谢以下译者，为 Umi-OCR 贡献了本地化翻译工作：（排名不分先后）

如果有信息错误或人员缺漏，请在 这个讨论 中回复。

本项目使用在线平台 Weblate: Umi-OCR 进行本地化翻译协作。我们欢迎任何用户参与翻译工作，您可校对、补充现有语言，或添加新语言。

关于项目结构

各仓库：

• 主仓库 👈
• 插件库
• Windows 运行库
• Linux 运行库

工程结构：

** 后缀表示本仓库(主仓库)包含的内容。

Umi-OCR
├─ Umi-OCR.exe
├─ umi-ocr.sh
└─ UmiOCR-data
   ├─ main.py **
   ├─ version.py **
   ├─ qt_res **
   │  └─ 项目qt资源，包括图标和qml源码
   ├─ py_src **
   │  └─ 项目python源码
   ├─ plugins
   │  └─ 插件
   └─ i18n **
      └─ 翻译文件

支持的离线OCR引擎：

• PaddleOCR-json
• RapidOCR-json

运行环境框架：

• PyStand 定制版

构建项目

第零步：（可选）fork本项目

第一步：下载代码

请参考 更新日志 开头的说明。

后续步骤：

请跳转下述仓库，完成对应平台的开发/运行环境部署。

• Windows
• Linux

赞助

Umi-OCR 项目主要由作者 hiroi-sora 用业余时间在开发和维护。如果您喜欢这款软件，欢迎赞助。

• 国内用户可通过 爱发电 赞助作者。

Star History

更新日志

开发计划

• 标签页框架。
• OCR API控制器。
• OCR 任务控制器。
• 主题管理器，支持切换浅色/深色主题主题。
• 实现 批量OCR。
• 实现 截图OCR。
• 快捷键机制。
• 系统托盘菜单。
• 文本块后处理（排版优化）。
• 引擎内存清理。
• 软件界面多国语言。
• 命令行模式。
• Win7兼容。
• Excel（csv）输出格式。
• Esc中断截图操作
• 外置主题文件
• 字体切换
• 加载动画
• 忽略区域。
• 二维码识别。
• 批量识别页面的图片预览窗口。
• PDF识别。
• 调用本地图片浏览器打开图片。 #335
• 重复上一次截图。 #357
• 修Bug：文档识别在Windows7系统的兼容性问题。
• HTTP/命令行接口添加二维码识别/生成功能。 (#423)
• 二维码接口的文档。
• Linux 平台移植。
• HTTP 文档识别接口。

远期计划

这些是预想中的功能，在开发初期已预留好接口，将在远期慢慢实现。

但开发途中受限于实际情况，可能更改功能设计、新增及取消功能。

• 重构底层插件机制。

• 在线 OCR API 插件。

• 独立的数学公式识别插件。

• “数学公式”标签页，提供独立的数学公式识别/Latex渲染。

• 检查更新机制。

• 排版解析之外的文本后处理模块（如保留数字、半全角字符转换、文本纠错）。

• 关键接口函数添加事件触发方式。

• 基于GPU的离线OCR。

• 图片翻译

• 离线翻译。

• 固定区域识别。

• 识别表格图片，输出为Excel。

• 历史记录系统。

• 兼容 MacOS / Ubuntu 等平台。