Umi-OCR

<p align="left"> <span> <b>中文</b> </span> <span> • </span> <a href="README_en.md"> 英文 </a> <span> • </span> <a href="README_ja.md"> 日语 </a> </p> <p align="center"> <a href="https://github.com/hiroi-sora/Umi-OCR"> <img width="200" height="128" src="https://yellow-cdn.veclightyear.com/835a84d5/57e0ed4e-aca4-4428-a831-cf1e593a37de.png" alt="Umi-OCR"> </a> </p> <h1 align="center">Umi-OCR 文字识别工具</h1> <p align="center"> <a href="https://github.com/hiroi-sora/Umi-OCR/releases/latest"> <img src="https://img.shields.io/github/v/release/hiroi-sora/Umi-OCR?style=flat-square" alt="Umi-OCR"> </a> <a href="https://github.com/hiroi-sora/Umi-OCR/blob/main/LICENSE"> <img src="https://img.shields.io/github/license/hiroi-sora/Umi-OCR?style=flat-square" alt="LICENSE"> </a> <a href="#下载发行版"> <img src="https://img.shields.io/github/downloads/hiroi-sora/Umi-OCR/total?style=flat-square" alt="forks"> </a> <a href="https://star-history.com/#hiroi-sora/Umi-OCR"> <img src="https://img.shields.io/github/stars/hiroi-sora/Umi-OCR?style=flat-square" alt="stars"> </a> <a href="https://github.com/hiroi-sora/Umi-OCR/forks"> <img src="https://img.shields.io/github/forks/hiroi-sora/Umi-OCR?style=flat-square" alt="forks"> </a> <a href="https://hosted.weblate.org/engage/umi-ocr/"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/aea4780e-8163-4e0d-9b60-0a1fde8a6cb6.svg" alt="翻译状态"> </a> </p> <div align="center"> <h3> <a href="#目录"> 使用说明 </a> <span> • </span> <a href="#下载发行版"> 下载地址 </a> <span> • </span> <a href="CHANGE_LOG.md"> 更新日志 </a> <span> • </span> <a href="https://github.com/hiroi-sora/Umi-OCR/issues"> 提交Bug </a> </h3> </div> <br> <div align="center"> <strong>免费、开源、可批量的离线OCR软件</strong><br> <sub>适用于 Windows7 x64 、Linux x64 </div><br>

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

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

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

<p align="center"><img src="https://yellow-cdn.veclightyear.com/835a84d5/e39f607c-a6c0-44c9-8abf-d6c48370222e.png" alt="2-截图-2.png" style="width: 80%;"></p> 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`：适合大多数情况，自动识别多栏布局，按自然段规则换行。 - `多栏-总是换行`：每个句子都换行。 - `多栏-无换行`：强制将所有句子合并到一行。 - `单栏-按自然段换行`/`总是换行`/`无换行`：与上述类似，但不区分多栏布局。 - `单栏-保留缩进`：适用于解析代码截图，保留行首缩进和行内空格。 - `不做处理`：OCR引擎的原始输出，默认每个句子都换行。

以上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OCR引擎本身支持）

批量OCR

批量OCR：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。
无数量限制，可一次导入数百张图片处理。
支持任务完成后自动关机/待机。
如需识别超大像素的长图或大图，请调整：页面设置→文字识别→限制图像边长→【提高数值】。
具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中的特殊功能，用于排除图片中不需要的文字。

在批量识别页右侧设置中可进入忽略区域编辑器。
如上方示例，图片顶部和右下角有多个水印/LOGO。批量识别此类图片时，水印会干扰识别结果。
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。
请尽量将矩形框画大一些，完全覆盖水印可能出现的所有位置。
注意，只有完全位于忽略区域框内的整个文本块（而非单个字符）会被忽略。如下图所示，黄色边框的深色矩形是忽略区域。只有key_mouse会被忽略，pubsub_connector.py和pubsub_service.py这两个文本块会保留。

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。
支持设置忽略区域，可用于排除页眉页脚文字。
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，包括：

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：在此可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有多个亮/暗主题。
调整界面文字大小和字体。
切换OCR插件。
渲染器：软件界面默认支持显卡加速渲染。如果您的机器出现截屏闪烁、UI错位情况，请调整界面和外观 → 渲染器，尝试切换不同渲染方案，或关闭硬件加速。

调用接口：

软件本地化翻译：

感谢以下译者为Umi-OCR贡献本地化翻译工作：（排名不分先后）

译者	贡献语言
bob	English, 繁體中文, 日本語
Qingzheng Gao	English, 繁體中文
Weng, Chia-Ling	English, 繁體中文
linzow	English, 繁體中文
Eric Guo	English
steven0081	English
Marcos i	English
plum7x	繁體中文
hugoalh	繁體中文
ドコモ光	日本語
杨鹏	Português

如有信息错误或人员遗漏，请在此讨论中回复。

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：

项目结构：

** 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：

运行环境框架：