三步把PDF解析成MarkdownMinerU免费开源文档解析工具入门【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当你需要把一堆PDF做成大模型知识库里面的表格和公式还必须准确保留时可以试试 MinerU。这是一个免费开源的文档解析工具能把 PDF、DOCX、PPTX、XLSX 和图片转成机器可读的 Markdown 与 JSON公式、表格、多栏排版都能处理。MinerU 项目定位它是一款什么工具MinerU 做的事情就是复杂文档 → 结构化文本。它会去掉页眉、页脚、页码这类噪音按人类阅读顺序输出文本并保留标题、段落、列表的层级结果可以直接进 RAG 检索或大模型的数据管线。它做得比较到位的有三点输入格式覆盖全PDF、图片、DOCX、PPTX、XLSXOCR 支持 109 种语言。公式和表格处理准数学公式自动转 LaTeX表格转 HTML结构不丢。运行门槛低纯 CPU 能跑GPU 可加速Docker、API、WebUI 等部署方式都有现成的。全景图展示了它的内部分工从预处理文档分类、乱码检测到模型处理再到输出和质检层链路都是内置的。快速上手两条命令完成安装并首次解析用 uv 包管理器安装整个过程就两条命令pip install uv uv pip install -U mineru[all]然后把一个 PDF 放到工作目录执行mineru -p input.pdf -o output/首次运行会自动下载模型文件稍慢属正常现象之后会直接用本地缓存。解析完成后output/目录下会生成一个子文件夹里面有表格为 HTML、公式为 LaTeX 的 Markdown 文件外加中间 JSON 和提取出的图片取 markdown 用即可。核心能力演示版面、公式与可视化质检解析双栏学术论文下面是一份双栏排版论文的解析效果图中左右两栏的文本顺序被正确排好章节标题 III. METHOD 被保留绿色框内的两条行间公式都被转成了 LaTeX。解析结果可视化质检MinerU 还能输出 layout 和 span 可视化把每个文本块、标题、公式的识别边界框标出来你可以直接目测质检不用逐条翻 JSON。场景实战用解析结果搭大模型知识库场景一RAG 知识库构建。公司里沉淀了大量产品手册和技术论文传统做法是复制文本 → 手工修表格 → 清理格式。用 MinerU 一次跑出 markdown 后表格直接是 HTML知识库环节只需要做切分。场景二扫描资料批量处理。扫描件会被 MinerU 自动识别并启用 OCR命令指向一个目录里面所有 PDF 会一起被处理。对比项传统做法MinerU表格复制到表格软件手工修直接输出 HTML公式手动转录成 LaTeX自动转换扫描件人工 OCR精度不一自动检测并启用 OCR批量处理逐个文件操作支持目录输入进阶玩法后端选择与服务化部署选后端pipeline兼容性最好、纯 CPU 可跑vlm和hybrid需要 GPU精度更高运行时加一个-b参数即可切换。服务化官方提供 Docker 镜像也可以自建 FastAPI 服务或 Gradio WebUI多卡环境用mineru-router做统一入口和负载均衡。生态接入LangChain、Dify、FastGPT 等 RAG 框架和 MCP Server 均可对接昇腾、寒武纪等十余种国产算力平台也有适配。常见问题三个高频疑问问模型下载一直失败先切到 ModelScope 源再重跑export MINERU_MODEL_SOURCEmodelscope国内网络下一般就能解决。问没有 GPU 也能用吗可以命令里加-b pipeline走纯 CPU 的 pipeline 后端精度略低于 VLM 后端日常够用。问输出目录里都是什么文件除 markdown 外还有中间 JSONmiddle_json和图片文件夹多数场景用 markdown 就够了JSON 留给需要更细结构的二次处理。收尾三步行动清单装起来执行上面两条安装命令确认模型下载完成。跑一份文档挑一份版面复杂的文档执行mineru -p input.pdf -o output/打开生成的 markdown 检查表格和公式。按硬件扩量有 GPU 就切到高精度后端把解析结果接进你的 RAG 框架或 WebUI让它成为日常工具 【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 三步把PDF解析成Markdown：MinerU免费开源文档解析工具入门
三步把PDF解析成MarkdownMinerU免费开源文档解析工具入门【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当你需要把一堆PDF做成大模型知识库里面的表格和公式还必须准确保留时可以试试 MinerU。这是一个免费开源的文档解析工具能把 PDF、DOCX、PPTX、XLSX 和图片转成机器可读的 Markdown 与 JSON公式、表格、多栏排版都能处理。MinerU 项目定位它是一款什么工具MinerU 做的事情就是复杂文档 → 结构化文本。它会去掉页眉、页脚、页码这类噪音按人类阅读顺序输出文本并保留标题、段落、列表的层级结果可以直接进 RAG 检索或大模型的数据管线。它做得比较到位的有三点输入格式覆盖全PDF、图片、DOCX、PPTX、XLSXOCR 支持 109 种语言。公式和表格处理准数学公式自动转 LaTeX表格转 HTML结构不丢。运行门槛低纯 CPU 能跑GPU 可加速Docker、API、WebUI 等部署方式都有现成的。全景图展示了它的内部分工从预处理文档分类、乱码检测到模型处理再到输出和质检层链路都是内置的。快速上手两条命令完成安装并首次解析用 uv 包管理器安装整个过程就两条命令pip install uv uv pip install -U mineru[all]然后把一个 PDF 放到工作目录执行mineru -p input.pdf -o output/首次运行会自动下载模型文件稍慢属正常现象之后会直接用本地缓存。解析完成后output/目录下会生成一个子文件夹里面有表格为 HTML、公式为 LaTeX 的 Markdown 文件外加中间 JSON 和提取出的图片取 markdown 用即可。核心能力演示版面、公式与可视化质检解析双栏学术论文下面是一份双栏排版论文的解析效果图中左右两栏的文本顺序被正确排好章节标题 III. METHOD 被保留绿色框内的两条行间公式都被转成了 LaTeX。解析结果可视化质检MinerU 还能输出 layout 和 span 可视化把每个文本块、标题、公式的识别边界框标出来你可以直接目测质检不用逐条翻 JSON。场景实战用解析结果搭大模型知识库场景一RAG 知识库构建。公司里沉淀了大量产品手册和技术论文传统做法是复制文本 → 手工修表格 → 清理格式。用 MinerU 一次跑出 markdown 后表格直接是 HTML知识库环节只需要做切分。场景二扫描资料批量处理。扫描件会被 MinerU 自动识别并启用 OCR命令指向一个目录里面所有 PDF 会一起被处理。对比项传统做法MinerU表格复制到表格软件手工修直接输出 HTML公式手动转录成 LaTeX自动转换扫描件人工 OCR精度不一自动检测并启用 OCR批量处理逐个文件操作支持目录输入进阶玩法后端选择与服务化部署选后端pipeline兼容性最好、纯 CPU 可跑vlm和hybrid需要 GPU精度更高运行时加一个-b参数即可切换。服务化官方提供 Docker 镜像也可以自建 FastAPI 服务或 Gradio WebUI多卡环境用mineru-router做统一入口和负载均衡。生态接入LangChain、Dify、FastGPT 等 RAG 框架和 MCP Server 均可对接昇腾、寒武纪等十余种国产算力平台也有适配。常见问题三个高频疑问问模型下载一直失败先切到 ModelScope 源再重跑export MINERU_MODEL_SOURCEmodelscope国内网络下一般就能解决。问没有 GPU 也能用吗可以命令里加-b pipeline走纯 CPU 的 pipeline 后端精度略低于 VLM 后端日常够用。问输出目录里都是什么文件除 markdown 外还有中间 JSONmiddle_json和图片文件夹多数场景用 markdown 就够了JSON 留给需要更细结构的二次处理。收尾三步行动清单装起来执行上面两条安装命令确认模型下载完成。跑一份文档挑一份版面复杂的文档执行mineru -p input.pdf -o output/打开生成的 markdown 检查表格和公式。按硬件扩量有 GPU 就切到高精度后端把解析结果接进你的 RAG 框架或 WebUI让它成为日常工具 【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