Umi-OCR 双层PDF转换零基础给扫描件装一台隐形搜索引擎【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加班到深夜面对桌面上几百页扫描版合同想搜索一个关键词却只能一页页翻写论文时想引用一段教材原文对着PDF截图敲键盘到手指发酸。这些场景你是不是也经历过扫描版PDF的痛点其实就一句话看得见却搜不到、选不了、复制不了。Umi-OCR 这款免费、开源、完全离线的OCR软件用它的「双层PDF转换」功能直接把扫描件变成自带搜索引擎的文档——底层保留原始图像顶层叠加透明文字肉眼看着和原版一模一样但CtrlF一按关键词瞬间定位。本文就用最白话的方式带你从零上手这个功能。三分钟快速上手把扫描PDF变成可搜索PDF先说最小可用路径你只要照着做三步马上就能拿到结果。解压即用从项目发布页下载Umi-OCR_Rapid_v2.1.5.7z并解压双击运行主程序。无需安装、无需联网内置的OCR引擎和语言库全部打包好了。拖入文档切换到「文档识别」标签页把你的 PDF或 epub、mobi、xps 等格式直接拖进去。一键转换在右侧设置里把保存格式选为「双层PDF」点「开始任务」。等进度条跑完输出目录里就多了一个.layered.pdf文件。用任意PDF阅读器打开它试着按CtrlF搜索一个词——是不是立刻跳出了所有匹配位置这就是双层PDF的魔力。图注批量任务界面支持一次拖入多个文档实时显示每页识别进度。原理浅析为什么它能看得见又搜得到想理解双层PDF可以把它想象成给老照片配上可检索的字幕。普通扫描PDF相当于一张纯照片只有像素没有文字信息。而双层PDF本质上是上下两层叠放的透明纸底层原始扫描图像保证排版、图表、手写签名和原版分毫不差顶层OCR识别出的文字按照识别时的坐标逐字摆放并把文字颜色设置为完全透明透明度为0这样人眼看不到但搜索引擎和选择工具能摸到它。所以你的PDF既是图片又是文本翻看时是原汁原味的扫描件搜索时又是货真价实的文字档。官方实现的源码位于 UmiOCR-data/py_src/ocr/output/output_pdf_layered.py核心就是fitzPyMuPDF库在页面上先插入图像、再写入透明文本。它为什么又快又准Umi-OCR 的速度和精度来自三个部件的默契配合OCR识别核心内置 PaddleOCR、RapidOCR 两套离线引擎支持简体中文、繁体中文、英、日、韩、俄等多国语言混合识别排版解析模块TBPU识别完的文字块还要排座位。它能把双栏报纸、竖排古籍、带缩进的代码截图都按正确阅读顺序整理好而不是东一句西一句乱拼文本层写入器为每个文字块计算合适的字号与坐标让透明文字层和底层图像严格对齐这也是 v2.1.2 起重点修复过坐标旋转、比例适配问题的原因详见 CHANGE_LOG.md。整套流程可以用下面的伪代码理解for 每一页 in PDF文档: 图像 提取页面原始图像(页) 识别结果 OCR引擎.识别(图像) 文本块 排版解析器.排序(识别结果) 新页 创建页面(宽, 高) 新页.铺入图像(图像, 铺满整页) # 底层原始扫描图 for 块 in 文本块: 新页.写入透明文字(块.文本, 块.坐标, 透明度0) # 顶层隐形文本层一句话总结图像负责好看文字负责好搜各干各的互不干扰。进阶玩法把转换效果调到最优基础流程跑通后下面这几个设置能明显提升输出质量值得一试。1. 用「忽略区域」甩掉页眉页脚和水印批量识别公司文件时页眉的公司名、页脚的页码、右下角的水印都会混进识别结果里让搜索出现大量噪音。操作要点在「文档识别」页右侧设置中找到「忽略区域」进入编辑器后按住右键在页面边缘画几个矩形框框住页眉页脚可能出现的位置。任务执行时这些区域内的文字会被整块丢弃。实际效果搜索合同编号时再也不会被每页顶部的公司标语干扰识别结果干净得像被手动清理过一样。这个功能对批量图片同样适用见 README.md 中的「忽略区域」章节。2. 按文档类型选对「排版解析方案」在右侧设置面板的「文本后处理」里有几档预设可以切换报纸、论文这种多栏排版选「多栏-按自然段换行」文字会按栏序和段落顺序输出代码截图选「单栏-保留缩进」行首缩进和行中空格都会被保留复制出来直接能跑竖排古籍不需要特殊设置内置解析器会自动识别从右到左的竖排顺序。实际效果同样是识别一页论文用错方案会得到段落错乱的文字墙用对方案则能得到顺序和原稿完全一致的正文。3. 大文件的提速技巧如果面对的是几百页的大部头可以试试这几招在「全局设置」里把限制图像边长调低如960小图识别更快只有超长截图才需要调高这个值打开「批量文档」标签页的暂停任务功能中途有事直接暂停下次打开软件还能接着跑任务结束支持自动关机/休眠晚上睡觉前丢进去早上直接收结果。图注全局设置页负责语言、主题、字体、渲染方案等软件级参数。避坑问答常见问题与解决思路把真实使用中高频出现的问题整理成了一份清单对照自查即可。Q1转换出来的双层PDF文字和图像错位了原因多半是使用了旧版本。文档坐标旋转、比例适配的问题在 v2.1.2、v2.1.5 等多个版本中被专门修复见 CHANGE_LOG.md。 解法升级到最新版 v2.1.5然后重新转换一次。Q2生成的PDF文件体积太大原因底层保留了完整扫描图像。 解法在「批量文档」设置里降低图像压缩质量70%~85% 是文件大小和清晰度的平衡点必要时只对需要的页数范围做OCR。Q3识别出来的文字错字多解法先确认「识别语言」选对了——中文文档选了纯英文模型结果自然惨不忍睹再检查「限制图像边长」是否被压得太狠长边被压缩后小字会糊最后看看页面上有没有水印干扰用「忽略区域」框掉重跑。Q4转换中途失败或卡住原因文档加密、文件损坏、内存不足都可能导致失败。 解法加密文档在设置里填写密码先验证原PDF能否正常打开批量任务时关闭其他占内存的大软件再查看「记录」标签页的错误日志定位具体是哪一页出了问题。Q5想让转换完全自动化不手动点按钮解法Umi-OCR 提供了命令行和 HTTP 接口两种调用方式见 docs/README_CLI.md 和 docs/http/api_doc.md。例如命令行一条指令就能截屏识别并输出到文件umi-ocr --screenshot --clip umi-ocr --path D:/scan_folder --output result.txtHTTP 接口则适合写脚本批量处理http://127.0.0.1:1224/api/doc提供了上传文档、查询进度、生成双层PDF、下载结果的完整流程还支持设置忽略区域、页码范围、识别语言等全部参数。谁在用双层PDF三个真实落地场景学生与科研党把图书馆扫描的教材转成双层PDF写论文时关键词秒搜引用原文直接复制再也不用对着截图手敲企业与档案室把积压的纸质合同、历史档案批量数字化建立可全文检索的电子档案库找一份三年前的文件从翻半天柜子变成三秒出结果医疗与法律行业病历、合同既要保留原始签章和手写批注底层图像又要支持患者姓名、条款关键词的结构化检索顶层文本双层PDF恰好两头兼顾。图注截图OCR配合双层PDF日常文字提取也只需一按一拖。下一步动手试试双层PDF转换只是 Umi-OCR 的冰山一角。同一套软件里还有截图OCR、批量图片识别、二维码识别与生成、公式识别甚至支持十几种语言的界面翻译i18n。而这一切都建立在免费、开源、完全离线的基础上——你的文档永远只留在你自己的电脑里。从今天起别再让扫描件当哑巴了。下载 Umi-OCR把一份扫描PDF拖进去点一下转换亲身体验那种按下CtrlF就能在几百页里瞬移的畅快感。看完这篇文章你已经知道原理、会操作、避过坑剩下的就是打开软件试一次。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Umi-OCR 双层PDF转换：零基础给扫描件装一台隐形搜索引擎
Umi-OCR 双层PDF转换零基础给扫描件装一台隐形搜索引擎【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加班到深夜面对桌面上几百页扫描版合同想搜索一个关键词却只能一页页翻写论文时想引用一段教材原文对着PDF截图敲键盘到手指发酸。这些场景你是不是也经历过扫描版PDF的痛点其实就一句话看得见却搜不到、选不了、复制不了。Umi-OCR 这款免费、开源、完全离线的OCR软件用它的「双层PDF转换」功能直接把扫描件变成自带搜索引擎的文档——底层保留原始图像顶层叠加透明文字肉眼看着和原版一模一样但CtrlF一按关键词瞬间定位。本文就用最白话的方式带你从零上手这个功能。三分钟快速上手把扫描PDF变成可搜索PDF先说最小可用路径你只要照着做三步马上就能拿到结果。解压即用从项目发布页下载Umi-OCR_Rapid_v2.1.5.7z并解压双击运行主程序。无需安装、无需联网内置的OCR引擎和语言库全部打包好了。拖入文档切换到「文档识别」标签页把你的 PDF或 epub、mobi、xps 等格式直接拖进去。一键转换在右侧设置里把保存格式选为「双层PDF」点「开始任务」。等进度条跑完输出目录里就多了一个.layered.pdf文件。用任意PDF阅读器打开它试着按CtrlF搜索一个词——是不是立刻跳出了所有匹配位置这就是双层PDF的魔力。图注批量任务界面支持一次拖入多个文档实时显示每页识别进度。原理浅析为什么它能看得见又搜得到想理解双层PDF可以把它想象成给老照片配上可检索的字幕。普通扫描PDF相当于一张纯照片只有像素没有文字信息。而双层PDF本质上是上下两层叠放的透明纸底层原始扫描图像保证排版、图表、手写签名和原版分毫不差顶层OCR识别出的文字按照识别时的坐标逐字摆放并把文字颜色设置为完全透明透明度为0这样人眼看不到但搜索引擎和选择工具能摸到它。所以你的PDF既是图片又是文本翻看时是原汁原味的扫描件搜索时又是货真价实的文字档。官方实现的源码位于 UmiOCR-data/py_src/ocr/output/output_pdf_layered.py核心就是fitzPyMuPDF库在页面上先插入图像、再写入透明文本。它为什么又快又准Umi-OCR 的速度和精度来自三个部件的默契配合OCR识别核心内置 PaddleOCR、RapidOCR 两套离线引擎支持简体中文、繁体中文、英、日、韩、俄等多国语言混合识别排版解析模块TBPU识别完的文字块还要排座位。它能把双栏报纸、竖排古籍、带缩进的代码截图都按正确阅读顺序整理好而不是东一句西一句乱拼文本层写入器为每个文字块计算合适的字号与坐标让透明文字层和底层图像严格对齐这也是 v2.1.2 起重点修复过坐标旋转、比例适配问题的原因详见 CHANGE_LOG.md。整套流程可以用下面的伪代码理解for 每一页 in PDF文档: 图像 提取页面原始图像(页) 识别结果 OCR引擎.识别(图像) 文本块 排版解析器.排序(识别结果) 新页 创建页面(宽, 高) 新页.铺入图像(图像, 铺满整页) # 底层原始扫描图 for 块 in 文本块: 新页.写入透明文字(块.文本, 块.坐标, 透明度0) # 顶层隐形文本层一句话总结图像负责好看文字负责好搜各干各的互不干扰。进阶玩法把转换效果调到最优基础流程跑通后下面这几个设置能明显提升输出质量值得一试。1. 用「忽略区域」甩掉页眉页脚和水印批量识别公司文件时页眉的公司名、页脚的页码、右下角的水印都会混进识别结果里让搜索出现大量噪音。操作要点在「文档识别」页右侧设置中找到「忽略区域」进入编辑器后按住右键在页面边缘画几个矩形框框住页眉页脚可能出现的位置。任务执行时这些区域内的文字会被整块丢弃。实际效果搜索合同编号时再也不会被每页顶部的公司标语干扰识别结果干净得像被手动清理过一样。这个功能对批量图片同样适用见 README.md 中的「忽略区域」章节。2. 按文档类型选对「排版解析方案」在右侧设置面板的「文本后处理」里有几档预设可以切换报纸、论文这种多栏排版选「多栏-按自然段换行」文字会按栏序和段落顺序输出代码截图选「单栏-保留缩进」行首缩进和行中空格都会被保留复制出来直接能跑竖排古籍不需要特殊设置内置解析器会自动识别从右到左的竖排顺序。实际效果同样是识别一页论文用错方案会得到段落错乱的文字墙用对方案则能得到顺序和原稿完全一致的正文。3. 大文件的提速技巧如果面对的是几百页的大部头可以试试这几招在「全局设置」里把限制图像边长调低如960小图识别更快只有超长截图才需要调高这个值打开「批量文档」标签页的暂停任务功能中途有事直接暂停下次打开软件还能接着跑任务结束支持自动关机/休眠晚上睡觉前丢进去早上直接收结果。图注全局设置页负责语言、主题、字体、渲染方案等软件级参数。避坑问答常见问题与解决思路把真实使用中高频出现的问题整理成了一份清单对照自查即可。Q1转换出来的双层PDF文字和图像错位了原因多半是使用了旧版本。文档坐标旋转、比例适配的问题在 v2.1.2、v2.1.5 等多个版本中被专门修复见 CHANGE_LOG.md。 解法升级到最新版 v2.1.5然后重新转换一次。Q2生成的PDF文件体积太大原因底层保留了完整扫描图像。 解法在「批量文档」设置里降低图像压缩质量70%~85% 是文件大小和清晰度的平衡点必要时只对需要的页数范围做OCR。Q3识别出来的文字错字多解法先确认「识别语言」选对了——中文文档选了纯英文模型结果自然惨不忍睹再检查「限制图像边长」是否被压得太狠长边被压缩后小字会糊最后看看页面上有没有水印干扰用「忽略区域」框掉重跑。Q4转换中途失败或卡住原因文档加密、文件损坏、内存不足都可能导致失败。 解法加密文档在设置里填写密码先验证原PDF能否正常打开批量任务时关闭其他占内存的大软件再查看「记录」标签页的错误日志定位具体是哪一页出了问题。Q5想让转换完全自动化不手动点按钮解法Umi-OCR 提供了命令行和 HTTP 接口两种调用方式见 docs/README_CLI.md 和 docs/http/api_doc.md。例如命令行一条指令就能截屏识别并输出到文件umi-ocr --screenshot --clip umi-ocr --path D:/scan_folder --output result.txtHTTP 接口则适合写脚本批量处理http://127.0.0.1:1224/api/doc提供了上传文档、查询进度、生成双层PDF、下载结果的完整流程还支持设置忽略区域、页码范围、识别语言等全部参数。谁在用双层PDF三个真实落地场景学生与科研党把图书馆扫描的教材转成双层PDF写论文时关键词秒搜引用原文直接复制再也不用对着截图手敲企业与档案室把积压的纸质合同、历史档案批量数字化建立可全文检索的电子档案库找一份三年前的文件从翻半天柜子变成三秒出结果医疗与法律行业病历、合同既要保留原始签章和手写批注底层图像又要支持患者姓名、条款关键词的结构化检索顶层文本双层PDF恰好两头兼顾。图注截图OCR配合双层PDF日常文字提取也只需一按一拖。下一步动手试试双层PDF转换只是 Umi-OCR 的冰山一角。同一套软件里还有截图OCR、批量图片识别、二维码识别与生成、公式识别甚至支持十几种语言的界面翻译i18n。而这一切都建立在免费、开源、完全离线的基础上——你的文档永远只留在你自己的电脑里。从今天起别再让扫描件当哑巴了。下载 Umi-OCR把一份扫描PDF拖进去点一下转换亲身体验那种按下CtrlF就能在几百页里瞬移的畅快感。看完这篇文章你已经知道原理、会操作、避过坑剩下的就是打开软件试一次。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考