企业官网建设流程全解析

MinerU 使用指南：把 PDF、Office 和扫描件变成 LLM 能读的 Markdown 与 JSON

【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU

MinerU 是一款开源文档解析工具，把 PDF、图片、DOCX、PPTX、XLSX 转成带阅读顺序和坐标信息的 Markdown 与 JSON，帮你为 RAG 和 Agent 工作流准备干净的文档数据。

什么场景下你会被解析工具卡住

• 把论文或报告喂给知识库时，直接复制出来的文本顺序混乱，页眉、脚注和正文交叉，向量检索后答非所问。
• 扫描件、合同照片、手写材料完全无法复制文字，只能人工重录。
• 学术论文里的双栏排版、跨页表格、行间公式，普通工具解析后结构全丢，公式变成一堆乱码符号。
• 手头有大批 PPT 和 Excel 需要整理，内容却出不来成结构化数据。

如果你的文档要进大模型流水线，上面任何一种情况都会让下游质量大打折扣。

MinerU 是什么：能做什么，不做什么

MinerU 定位是文档解析引擎：输入 PDF、图片、DOCX、PPTX、XLSX 文件或目录，输出按阅读顺序组织的 Markdown 和结构化 JSON，供检索、抽取、二次开发消费。

三个核心能力：

• 结构还原：公式自动转 LaTeX，表格转 HTML，图片与图表单独提取并保留题注、脚注的关联。
• 扫描件与多语言支持：自动检测扫描版、乱码页面并启用 OCR 路径，OCR 覆盖 109 种语言。
• 多种使用形态：命令行、FastAPI 服务、Gradio 网页界面、Docker 部署都内置，同一套解析能力可以本地跑，也可以做成服务。

它不做的：不是对话式大模型，不负责基于文档的问答；也不是文档编辑器，重点是"把内容准确地搬出来"。

安装并解析第一份文档

第一步：安装

要求 Python 3.10–3.13。mineru[all]包含全部核心功能，兼容 Windows、Linux、macOS：

pip install --upgrade pip pip install uv uv pip install -U "mineru[all]"

首次运行会自动下载解析模型。如果访问 huggingface 网络不畅，先设置环境变量MINERU_MODEL_SOURCE=modelscope再启动，即可切换国内模型源。

第二步：解析一个示例文件

mineru -p demo/pdfs/demo1.pdf -o ./output

没有 GPU 时追加-b pipeline，可以纯 CPU 运行。

第三步：确认结果

运行完成后，./output目录下应该看到：*.md解析结果、*_middle.json等结构化数据、images/图片目录，以及可视化文件{文件名}_layout.pdf——打开它可以看到每页各内容块的检测框和阅读顺序编号，是核对解析质量最直观的方式。看到 Markdown 里标题层级、公式、表格都完整，就说明跑通了。

一份文档进来之后发生了什么

MinerU 的 pipeline 后端把解析拆成四层，每层独立可查：

1. 预处理：提取元数据，判断页面是文本型还是扫描版，乱码检测，自动决定走文本提取还是 OCR。
2. 模型层：布局检测（把页面里的标题、正文、表格、公式等区域框出来）、文本 OCR、公式检测。
3. 管线层：坐标修复、图片合并、跨页表格合并、段落合并、页眉页脚等无意义块剔除，统一汇入中间态middle.json。
4. 输出层：生成多模态/NLP 两种 Markdown、content_list系列 JSON，以及 layout/span 可视化文件。

这种分层的做法意味着哪一步出问题了，你都能用对应的中间文件或可视化结果定位，而不是面对一个黑盒。

选对后端与硬件

不同后端在精度和资源占用上差别明显，官方在 OmniDocBench（v1.6）端到端综合得分的参考数据如下：

选型建议：

• 普通机器先试pipeline，零门槛，适合验证流程。
• 有 8GB 以上显存且追求精度，用hybrid-engine，并通过effort参数在medium（更快）和high（精度优先）之间权衡。
• 通用环境要求：内存最低 16GB、磁盘最低 20GB；Docker 部署支持 Linux 和 WSL2，macOS 建议直接 pip 安装。
• 需要服务化时用mineru-api起接口，mineru-router做多服务、多 GPU 的任务路由；想免命令行体验可跑mineru-gradio。

📌 下一步与资源入口

• 快速使用与命令行参数：docs/zh/usage/quick_usage.md
• 输出文件字段说明：docs/zh/reference/output_files.md
• 常见问题 FAQ：docs/zh/faq/index.md
• 调用示例与演示文件：demo/demo.py、demo/pdfs/
• Docker 部署：docker/

【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU