ShareX

opendatalab

MinerU

MinerU 是一个 Python 文档解析工具，把 PDF、Office 等复杂文档转成适合 LLM 的 markdown 或 JSON。它最典型的用法是接入 Agentic workflow 或 RAG 流程，先将论文、财报里的公式、表格和版面还原成结构化文本，再交给模型处理。

hiroi-sora

Umi-OCR

Umi-OCR 是一款开源免费的离线 OCR 软件，用 Python 编写，无需联网即可完成文字识别。它支持截屏和批量导入图片，也能直接识别 PDF 文档，并排除水印、页眉页脚等干扰。最典型的用法是批量导入图片或 PDF，一次性提取其中的文字，适合处理本地文档。

paperless-ngx

paperless-ngx

paperless-ngx 是一个社区维护的文档管理系统，用 OCR 把纸质文件扫描、索引并归档，解决资料散乱难检索的问题。典型场景是家庭或小团队把合同、发票扫描入库，之后靠全文搜索快速定位。

naptha

tesseract.js

Tesseract.js 是纯 JavaScript 实现的 OCR 库，让开发者无需后端服务，直接在浏览器或 Node.js 中识别图片文字，支持超过一百种语言。最典型的场景是在前端上传截图或扫描件，用几行代码提取其中的文本，省去调用外部 API 的麻烦。

ocrmypdf

OCRmyPDF

OCRmyPDF 为扫描版 PDF 添加 OCR 文字层，让原本无法检索的文档变得可搜索可复制。它基于 Python 开发，通过命令行调用，典型场景是把扫描归档的合同或书籍批量处理成可全文检索的 PDF，同时保留原始页面图像。

JaidedAI

EasyOCR

EasyOCR 是一个开箱即用的 Python OCR 库，帮开发者省去自己训练模型的麻烦。它支持八十多种语言和主流文字体系，包括中文、拉丁文、阿拉伯文等。最典型的用法是几行代码识别图片中的文字，适合票据、证件等场景的快速接入。