Umi-OCR：批量提取截图文字时，先把固定水印排除

整理一组课程截图时，页面角落重复出现的账号名、水印和页码，也会混进 OCR 结果。之后再逐份删除这些短语，容易把正文中的同名词一起删掉。Umi-OCR 提供了一个更贴合这类任务的位置处理办法：在批量识别前画出忽略区域，让固定区域里的文字不进入最终文本。

画框的单位是文本块

官方中文说明给出的例子很具体：同一幅文件列表截图中有 key_mouse、pubsub_connector.py 和 pubsub_service.py。黄色边框的忽略区域完整包住了 key_mouse，所以这一块被排除；另外两个文件名只有部分落在框内，仍然保留。

它按“整个文本块是否在区域内部”判断，不是把矩形覆盖到的单个字符擦掉。这一细节直接决定操作结果：圈得太小，水印可能继续留在文本中；圈得太大，又可能连正文的一整行都包住。对位置相近的一批截图，可以从批量识别页右栏进入编辑器，按住右键绘制多个矩形，覆盖水印可能出现的范围。

把这个方法用到课程截图是教学情境，并不意味着任意视频水印都能一键去除。它只影响 OCR 文本的取舍，不负责把图片里的水印修掉。水印若压在正文上，正文的视觉信息也不会因此恢复。

排除重复文字后，再决定怎么连成段

批量页面可以导入本地图片，并输出 TXT、JSONL、Markdown 或 CSV。若截图里是一篇分栏文章，“多栏－按自然段换行”试图按照段落关系整理文字；若是代码截图，“单栏－保留缩进”则保留行首缩进和行中空格。两个方案得到的成果不同：前者希望读起来像正文，后者希望空白仍能表达层级。

因此可以先用少量同版式材料确认后处理方案，再应用到这一组截图，而不是识别结束后把所有换行统一删掉。竖排方向的整理虽然也在说明中，但文字能否被认出，仍取决于所选 OCR 引擎本身。

这里的 CSV 是识别结果的一种保存格式。官方开发计划仍将“识别表格图片，输出为 Excel”列为未来功能，不能把现有 CSV 导出理解成已经恢复单元格与合并表头。

离线桌面工具的采用边界

Umi-OCR 是带图形界面的离线软件，官方列出的平台为 Windows x64 和 Linux x64；Windows 发布包可解压启动。主程序以 MIT 许可发布，具体 OCR 插件和运行库来自独立组件。官方同时提供 HTTP 接口，但其接口手册明确提示并发支持较弱，不宜把桌面程序直接当成高并发服务。

对于截图整理，最有用的成果仍在桌面这一端：把不想要的区域与想保留的段落规则提前确定，再得到一批更接近整理目标的文本文件。页面布局稳定时，这比事后仅按关键词删水印更能保住正文中原本应留下的词。