MinerU 上手指南把 PDF 解析成可编辑 Markdown 与结构化 JSON 的最短路径【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手头一份 40 页双栏论文 PDF目标是变成带 LaTeX 公式、结构化表格的可编辑 Markdown再喂给检索或大模型流程。MinerU 是一款免费开源的 PDF 解析工具把 PDF、图片以及 DOCX、PPTX、XLSX 统一解析为 Markdown 与 JSON公式自动转 LaTeX、表格自动转 HTML兼容 Windows、Linux 与 macOS。能力边界MinerU 支持哪些格式边界在哪里能做什么输入 PDF、图片与 DOCX、PPTX、XLSX输出 Markdown、按阅读顺序排序的 JSON以及可用于二次开发的中间态OCR 支持 109 种语言可处理扫描版 PDF自动去除页眉、页脚、页码。边界在哪复杂版面、手写体等极端场景结果可能不及预期官方建议先评估样例效果问题样例可到 issue 反馈vlm 与 hybrid 后端需要 GPU纯 CPU 只能跑 pipeline 后端。与同类工具的差异它不是单点 OCR 库而是一条完整管线覆盖布局检测、公式识别、跨页表格合并并附带可视化质检文件同时提供 MCP Server、LangChain、Dify 等生态集成入口。最短路径三条命令跑通首次 PDF 解析先安装要求 Python 3.10–3.13pip install uv uv pip install -U mineru[all]安装完成后mineru命令可用[all]包含全部后端能力。有 GPU 的机器直接执行默认使用 hybrid-engine 后端mineru -p ./demo/pdfs/demo1.pdf -o ./output首次运行会自动下载并缓存模型结果写入./output下以文件名命名的目录包含解析出的.md、图片文件以及用于质检的layout.pdf。纯 CPU 机器则显式指定 pipeline 后端mineru -p ./demo/pdfs/demo1.pdf -o ./output -b pipelinepipeline 后端精度略低但无幻觉、资源占用小适合低配机器批量跑。机制拆解三个关键设计为什么这样统一中间态。各后端解析结果先落成统一的中间态 middle_json再分别转换为 Markdown、JSON 与可视化 PDF。使用者拿到的是稳定、可切换的输出格式做二次开发时也可以直接消费中间 JSON而不必关心前端是哪个后端。双后端分工。pipeline 是传统 CV 管线布局检测、公式检测、表格结构识别、OCR 各用专用小模型所以能在 CPU 上运行且显存要求低hybrid 与 vlm 把版面交给视觉语言模型精度更高适合复杂排版。hybrid 的设计是让文本块走原生提取、复杂块走 VLM兼顾速度与精度还可用--effort参数在 medium 与 high 两档强度间切换。阅读顺序与质检。输出按人类阅读顺序排序多栏版面不会串行layout.pdf、span.pdf会把每页的检测框和阅读顺序画出来。批处理场景下出问题时靠质检文件定位比看准确率数字更有效。选型决策后端与部署方式对号入座硬件 / 场景推荐后端说明纯 CPUpipeline无 GPU 也能跑OmniDocBench 精度 86.47单 GPU显存 ≥ 8GBhybrid-engine默认精度 95.3原生文本提取、低幻觉追求极限精度vlm-engine精度 95.3对硬件配置要求更高客户端无 GPU服务端有vlm-http-client / hybrid-http-client客户端显存要求低至 2GB连接远端 OpenAI 兼容服务部署方式对应场景个人本地用 CLI 即可系统集成起mineru-api提供 REST 接口团队协作用mineru-gradio的 WebUI多 GPU 高吞吐场景用mineru-router做统一入口与任务路由。进阶与边界批量处理、API 与常见坑批量-p直接接受目录输入即可整目录解析-s/-e指定页码范围方便大文档分段处理或先试跑几页。内存处理长文档时可调MINERU_PROCESSING_WINDOW_SIZE控制处理窗口降低内存峰值3.0 版本起长文档链路已做滑动窗口优化上万页无需手动拆分。⚠️ 模型下载失败默认模型源是 Hugging Face国内网络先执行export MINERU_MODEL_SOURCEmodelscope切换镜像源再解析。⚠️ 常见坑Windows 下 CUDA 加速需要按 PyTorch 官网自行安装对应版本的 torchvlm 2.5 后端的结构化输出与 pipeline 版本存在不兼容基于 JSON 做二次开发前先看输出文件说明。服务化调用mineru-api启动后通过POST /tasks异步提交任务参数细节可查 使用指南。收尾MinerU 的价值在于把“PDF 到 LLM 可用结构化数据”压缩成一条命令同时用可质检的输出保住了工程上的可控性。下一步建议先拿一份 10 页以内的文档跑通 pipeline 后端确认公式、表格和阅读顺序的解析质量再决定是否为复杂文档换用 hybrid 后端或转入服务化部署。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MinerU 上手指南把 PDF 解析成可编辑 Markdown 与结构化 JSON 的最短路径【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手头一份 40 页双栏论文 PDF目标是变成带 LaTeX 公式、结构化表格的可编辑 Markdown再喂给检索或大模型流程。MinerU 是一款免费开源的 PDF 解析工具把 PDF、图片以及 DOCX、PPTX、XLSX 统一解析为 Markdown 与 JSON公式自动转 LaTeX、表格自动转 HTML兼容 Windows、Linux 与 macOS。能力边界MinerU 支持哪些格式边界在哪里能做什么输入 PDF、图片与 DOCX、PPTX、XLSX输出 Markdown、按阅读顺序排序的 JSON以及可用于二次开发的中间态OCR 支持 109 种语言可处理扫描版 PDF自动去除页眉、页脚、页码。边界在哪复杂版面、手写体等极端场景结果可能不及预期官方建议先评估样例效果问题样例可到 issue 反馈vlm 与 hybrid 后端需要 GPU纯 CPU 只能跑 pipeline 后端。与同类工具的差异它不是单点 OCR 库而是一条完整管线覆盖布局检测、公式识别、跨页表格合并并附带可视化质检文件同时提供 MCP Server、LangChain、Dify 等生态集成入口。最短路径三条命令跑通首次 PDF 解析先安装要求 Python 3.10–3.13pip install uv uv pip install -U mineru[all]安装完成后mineru命令可用[all]包含全部后端能力。有 GPU 的机器直接执行默认使用 hybrid-engine 后端mineru -p ./demo/pdfs/demo1.pdf -o ./output首次运行会自动下载并缓存模型结果写入./output下以文件名命名的目录包含解析出的.md、图片文件以及用于质检的layout.pdf。纯 CPU 机器则显式指定 pipeline 后端mineru -p ./demo/pdfs/demo1.pdf -o ./output -b pipelinepipeline 后端精度略低但无幻觉、资源占用小适合低配机器批量跑。机制拆解三个关键设计为什么这样统一中间态。各后端解析结果先落成统一的中间态 middle_json再分别转换为 Markdown、JSON 与可视化 PDF。使用者拿到的是稳定、可切换的输出格式做二次开发时也可以直接消费中间 JSON而不必关心前端是哪个后端。双后端分工。pipeline 是传统 CV 管线布局检测、公式检测、表格结构识别、OCR 各用专用小模型所以能在 CPU 上运行且显存要求低hybrid 与 vlm 把版面交给视觉语言模型精度更高适合复杂排版。hybrid 的设计是让文本块走原生提取、复杂块走 VLM兼顾速度与精度还可用--effort参数在 medium 与 high 两档强度间切换。阅读顺序与质检。输出按人类阅读顺序排序多栏版面不会串行layout.pdf、span.pdf会把每页的检测框和阅读顺序画出来。批处理场景下出问题时靠质检文件定位比看准确率数字更有效。选型决策后端与部署方式对号入座硬件 / 场景推荐后端说明纯 CPUpipeline无 GPU 也能跑OmniDocBench 精度 86.47单 GPU显存 ≥ 8GBhybrid-engine默认精度 95.3原生文本提取、低幻觉追求极限精度vlm-engine精度 95.3对硬件配置要求更高客户端无 GPU服务端有vlm-http-client / hybrid-http-client客户端显存要求低至 2GB连接远端 OpenAI 兼容服务部署方式对应场景个人本地用 CLI 即可系统集成起mineru-api提供 REST 接口团队协作用mineru-gradio的 WebUI多 GPU 高吞吐场景用mineru-router做统一入口与任务路由。进阶与边界批量处理、API 与常见坑批量-p直接接受目录输入即可整目录解析-s/-e指定页码范围方便大文档分段处理或先试跑几页。内存处理长文档时可调MINERU_PROCESSING_WINDOW_SIZE控制处理窗口降低内存峰值3.0 版本起长文档链路已做滑动窗口优化上万页无需手动拆分。⚠️ 模型下载失败默认模型源是 Hugging Face国内网络先执行export MINERU_MODEL_SOURCEmodelscope切换镜像源再解析。⚠️ 常见坑Windows 下 CUDA 加速需要按 PyTorch 官网自行安装对应版本的 torchvlm 2.5 后端的结构化输出与 pipeline 版本存在不兼容基于 JSON 做二次开发前先看输出文件说明。服务化调用mineru-api启动后通过POST /tasks异步提交任务参数细节可查 使用指南。收尾MinerU 的价值在于把“PDF 到 LLM 可用结构化数据”压缩成一条命令同时用可质检的输出保住了工程上的可控性。下一步建议先拿一份 10 页以内的文档跑通 pipeline 后端确认公式、表格和阅读顺序的解析质量再决定是否为复杂文档换用 hybrid 后端或转入服务化部署。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
