扫描版合同、发票、名片，一键提取成可编辑文档——关键是免费

一 | 那个让你加到半夜的「录入地狱」

财务小王下午收到一份扫描版的年度审计报告，四十多页，领导要里面的关键数据今晚进 Excel。她打开 PDF，文字选不中、复制是乱码，只能对着屏幕一个一个数字敲。

行政老李更头疼

上周行业会发来一沓纸质名片，加客户微信要手动录入姓名、公司、电话，三十张名片录了半小时，还录错两个区号。

还有你

同事在群里甩来一张截图，里面是一张报价表，你想把数字拉进自己的表算一算——但截图里的字就是复制不下来。

这些活儿，本质上都是同一件事：把「印在图片/扫描件上的字」，变成「能选中、能编辑、能计算的字」。过去这只能靠人肉敲键盘，慢、烦、还容易错。

其实这件事，现在几秒钟就能办完。下面说的这个工具，不花钱、不联网、不用注册，普通办公人下载下来就能用。

二 | 认识 Umi-OCR：它凭什么能「扒」出图片里的字

这个工具叫 Umi-OCR，是一个放在 GitHub 上的开源项目（仓库名 hiroi-sora/Umi-OCR），采用 MIT 协议，完全免费。

它干的事很直接

你给它一张图、一份 PDF、或者一块屏幕截图，它把里面的文字识别出来，变成你能复制、能编辑的文本。更进一步，如果图里是表格，它能把行列关系还原出来，输出成 CSV——也就是 Excel 能直接打开的表格文件。

它和普通「在线 OCR 网页」最大的区别在三点：

第一，完全离线。软件解压到电脑上双击就能跑，全程不需要联网，你的文件也不会上传到任何服务器。这一点对财务、法务、人事这些经常碰敏感数据的人特别重要——你不用再担心「我把这份合同传到一个不知名网站上了」。

第二，不用注册、不用 Key。很多同类工具要么要你注册账号，要么要你填 API Key、按次收费。Umi-OCR 解压即用，没有任何账号体系。

第三，批量。不只是截一张图识别一张，它能一次性拖进几十张图片或 PDF，统一处理、统一导出。

谁适合用？怕隐私泄露的、怕花钱的、怕麻烦的——说白了，就是绝大多数普通办公人。

三 | 实操 Step 1：3 分钟装好（不用安装、不用注册）

第一步听起来最吓人，其实最简单。

1. 打开浏览器，进 GitHub 搜 Umi-OCR，进 hiroi-sora/Umi-OCR 这个仓库，点右侧的 Releases（发布页）。
2. 在最新版本的 Assets（附件）里，下载带 windows 字样的压缩包（通常是 Umi-OCR_RRB_vX.X.X_win64.7z 这类名字）。
3. 下载完，解压到一个纯英文路径的文件夹。

这一步有个真实的坑

解压路径里如果带了中文（比如直接解压到「桌面」或「下载」里某个中文文件夹），软件可能报错打不开。最稳妥的做法是解压到 D:\UmiOCR 这种纯英文目录。

4. 进到解压后的文件夹，双击 Umi-OCR.exe，软件就起来了。

第一次打开，你会看到左边是一块大的识别结果区，右边是各种设置标签页（全局设置、文字识别、文档识别、表格识别等），顶部有「截图OCR」「批量OCR」几个大按钮。不用慌，日常 90% 的操作只用到顶部那两个按钮。

四 | 实操 Step 2：截图就能扒字（最高频）

装好之后，最高频的用法是「截图识别」。

默认情况下，按 F4 键（注意：不是 Ctrl+Alt+Z，不同机器可能不同，建议在软件里「全局设置→快捷键」确认你这台电脑上的实际按键），屏幕会暗下来，鼠标变成十字，你框选想要识别的区域——比如群里那张报价表截图——松开鼠标，文字就会在左侧结果区里一行行蹦出来。

识别完，你可以直接全选复制，也可以点「复制」按钮。

几个马上能用上的场景

同事发来的截图表格，复制不出来 → 框选识别，数字直接到手。

网页上的数据表格，右键复制会带乱码 → 截图识别更干净。

PDF 里选不中的文字 → 截图识别，绕过它的复制限制。

要是中途想取消识别，按 Esc 中断就行。

五 | 实操 Step 3：批量把扫描件/PDF 变成可编辑文本/CSV

单个截图识别是救急，真正省时间的是「批量」。

1. 点顶部「批量 OCR」。
2. 把几十张图片、或者一份 PDF，直接拖进任务区（也支持文件夹批量添加）。
3. 在右侧「输出设置」里，勾选你想要的导出格式。文本类建议选 CSV——它是 Excel 能直接打开的格式；如果你只要纯文字，也可以选 txt 或 md。
4. 点「开始任务」，软件会一张张处理，处理完自动按原文件名导出结果文件到输出目录。

这里要讲清楚一个事，免得你期望落空：Umi-OCR 当前输出的是 CSV，不是 xlsx。CSV 用 Excel 打开后，表格的线条、行列大体是还原的，能直接筛选、计算；但如果是那种带合并单元格、嵌套关系的复杂表格，识别后可能出现串列、错位，需要你手动校正几行。所以准确说法是「表格变成可编辑的文档」，而不是「完美还原成排版好的 Excel」。但这已经比人肉敲强太多了——几十条数据，人工录要半小时，它十几秒出。

支持的输入格式也挺全

图片有 jpg/png/webp/bmp/tif/tiff，文档类有 pdf/xps/epub/mobi/cbz。也就是说扫描版合同（PDF）、发票照片（JPG）、电子书里的某段，都能喂进去。

六 | 实操 Step 4：进阶——框掉水印、多语言、文档翻译

用顺手之后，还有几招能对付更复杂的活。

框掉干扰区域。 很多扫描件页眉页脚有水印、公司 logo、页码，识别时容易把这些噪声也带进结果。Umi-OCR 有个「忽略区域」功能：你在预览图上用框把水印、页眉框住，软件识别时就自动跳过这些区域，只认正文。处理带页眉的扫描合同时特别好用。

多语言混排。 它内置了中文、英文、日文、韩文、俄文等多种语言模型。碰到中英文混排的文档（比如带英文术语的合同、双语名片），不用手动切换，能一起识别。

文档翻译（可选）。 软件有翻译插件，识别完的文字可以接着翻成另一种语言。

但要提醒一句

OCR 本身是完全离线的，翻译这一步如果需要调用在线翻译引擎，是要联网、并且通常要填一个翻译服务的 API Key 的。如果你只做「提取文字」，不碰翻译插件，就始终不用联网。

七 | 5 个让识别更准的优化技巧

工具好用，但识别质量七分靠原图。

这几条能让结果干净很多

1. 截图清晰、光线均匀。避免阴影、反光、手指遮挡。屏幕截图优先用系统自带截图而非手机拍屏——拍屏容易糊、还带摩尔纹。
2. 先框掉水印再识别。上面说的忽略区域，处理带页眉页脚的扫描件时，先框再跑，结果能省掉一大堆垃圾文本。
3. 模糊的 PDF 先转高清。有些扫描版 PDF 本身分辨率低，直接识别容易丢字。可以先用 PDF 工具把页面放大重渲染一遍，再丢进 Umi-OCR。
4. 复杂表格识别后手动校正。合并单元格多、跨页表格，识别后大概率要手动调几列。把它当「初稿生成器」而非「完美还原器」，心态会舒服很多。
5. 检查语言与标点设置。碰到繁体文档，在识别设置里选对应的语言模型；中文标点、全半角如果识别串了，在设置里调一下，比事后改快得多。

八 | 它也有搞不定的时候

说它好用，不代表它是万能的。有些情况它会翻车，提前知道能少走弯路：

手写体识别差。 它是为印刷体设计的。同事手写的会议笔记、手填的表单，识别率会大幅下降，这类还是得上专门的手写识别模型。

加密 PDF 要先解密。 带密码保护的 PDF，得先用工具去掉密码才能喂进去，软件本身不破密码。

极端模糊或倾斜的图片会错位。 拍得歪歪扭扭、糊成一团的照片，识别出来行列可能乱掉。

复杂合并单元格的表格会串列。 这点前面提过，再强调一次：别指望它一次还原出排版完美的 Excel。

它底层用的是 PaddleOCR 这类成熟引擎，对印刷体中文的识别率很高（公开标准测试集上能到九成六以上，数字是公开测评数据，本机未实测）——日常办公的印刷体文档足够稳，但碰到上面那几种情况，该人工上还得人工。

九 | 三个真实工作流串讲

光说功能有点空，看三个岗位怎么用：

财务： 月底收到扫描版供应商年报 → 拖进批量 OCR，输出 CSV → 在 Excel 里筛选、求和、做同比 → 原来要一下午的录数，现在十几分钟进模型。

行政： 行业会带回一沓纸质名片 → 一张张截图识别（或批量扫图）→ 姓名、公司、电话直接进通讯录表 → 以前录半小时，现在五分钟。

法务： 对方发来扫描版合同 PDF → 批量 OCR 提取全文 → 用 Ctrl+F 检索「违约」「赔偿」「管辖」等关键义务条款 → 标红重点发给业务看，不用通读全文也能抓住风险点。

这三个流程的共同点是

原来「人肉把图变成字」那段最苦的活，被工具吃掉了，人只做「判断和加工」。

十 | 常见问题 FAQ

要联网吗？ 纯 OCR 识别不用联网，软件完全离线跑。只有你主动用翻译插件且选了在线引擎，才需要联网。

要付费吗？ 不用。MIT 协议，免费，无内购、无账号。

支持 Mac 吗？ 官方 README 写明支持 Windows 7 x64 和 Linux x64；Mac 在官方表述里还是「远期计划」。想在 Mac 上用，去 Releases 页看看有没有社区出的实验性构建，别默认它能装。

识别错了怎么办？ 先看原图清不清晰，按第七章那 5 条优化一下重跑；复杂表格就接受「人工校正几行」的现实。

大文件卡顿怎么破？ 一份几百页的 PDF 一次全跑可能慢，可以拆成几份分批处理；或者调低同时处理的线程数，让机器别卡死。

十一 | 结语：免费的工具，值钱的是你的时间

写到最后，想说清楚一件事：Umi-OCR 不是什么黑科技，它背后是成熟的 OCR 引擎，只是被人打包成了一个不联网、不收费、不折腾的开源工具。

它解决不了所有问题——手写体、加密 PDF、奇形怪状的表格，它都会摇头。但它能把办公里那块最无聊、最耗时的「把图变成字」的活，从几十分钟压到十几秒。

好工具不一定要花钱，但它一定帮你把时间还给自己。下次再拿到一份选不中的扫描件，别急着开敲键盘——先想想，是不是该让软件替你干这件苦差事。

下载访问地址

国内高速网盘（推荐，免注册不限速）​

GitHub 官方发布页

SourceForge 备用镜像

看完不过瘾，那就自己发一篇吧！