首页 注册 登录
OA0
OA0 是一个探索 AI 的社区
现在注册
已注册用户请  登录
OA0  ›  代码  ›  BishengJDK MinerU — 将 PDF 高质量转换为结构化内容的工具

BishengJDK MinerU — 将 PDF 高质量转换为结构化内容的工具

 
  grid ·  2026-08-13 11:00:29 · 21 次点击  · 0 条评论  

[![stars](https://img.shields.io/github/stars/opendatalab/MinerU.svg)](https://github.com/opendatalab/MinerU) [![forks](https://img.shields.io/github/forks/opendatalab/MinerU.svg)](https://github.com/opendatalab/MinerU) [![open issues](https://img.shields.io/github/issues-raw/opendatalab/MinerU)](https://github.com/opendatalab/MinerU/issues) [![issue resolution](https://img.shields.io/github/issues-closed-raw/opendatalab/MinerU)](https://github.com/opendatalab/MinerU/issues) [![PyPI version](https://img.shields.io/pypi/v/mineru)](https://pypi.org/project/mineru/) [![PyPI - Python Version](https://img.shields.io/pypi/pyversions/mineru)](https://pypi.org/project/mineru/) [![Downloads](https://static.pepy.tech/badge/mineru)](https://pepy.tech/project/mineru) [![Downloads](https://static.pepy.tech/badge/mineru/month)](https://pepy.tech/project/mineru) [![OpenDataLab](https://img.shields.io/badge/webapp_on_mineru.net-blue?logo=data:image/svg+xml;base64,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&labelColor=white)](https://mineru.net/OpenSourceTools/Extractor?source=github) [![HuggingFace](https://img.shields.io/badge/Demo_on_HuggingFace-yellow.svg?logo=data:image/png;base64,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&labelColor=white)](https://huggingface.co/spaces/opendatalab/MinerU) [![ModelScope](https://img.shields.io/badge/Demo_on_ModelScope-purple?logo=data:image/svg+xml;base64,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&labelColor=white)](https://www.modelscope.cn/studios/OpenDataLab/MinerU) [![Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/gist/myhloli/a3cb16570ab3cfeadf9d8f0ac91b4fca/mineru_demo.ipynb) [![arXiv](https://img.shields.io/badge/MinerU-Technical%20Report-b31b1b.svg?logo=arXiv)](https://arxiv.org/abs/2409.18839) [![arXiv](https://img.shields.io/badge/MinerU2.5-Technical%20Report-b31b1b.svg?logo=arXiv)](https://arxiv.org/abs/2509.22186) [![arXiv](https://img.shields.io/badge/MinerU2.5%20Pro-Technical%20Report-b31b1b.svg?logo=arXiv)](https://arxiv.org/abs/2604.04771) [![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/opendatalab/MinerU) opendatalab%2FMinerU | Trendshift [English](README.md) | [简体中文](README_zh-CN.md)

🚀立即访问 MinerU → ✅ 免安装网页版 ✅ 全功能桌面客户端 ✅ 即时 API 访问；无需部署烦恼，一键获取所有产品格式。开发者，快来体验吧！

👋 加入我们的 Discord 和 微信 社区

MinerU — 面向 LLM · RAG · Agent 工作流的高精度文档解析引擎 将 PDF · DOCX · PPTX · XLSX · 图片 · 网页转换为结构化 Markdown / JSON · VLM+OCR 双引擎 · 支持 109 种语言
MCP Server · 与 LangChain / Dify / FastGPT 原生集成 · 支持 10+ 国产 AI 芯片 **🔍 核心解析能力** - 原生支持 `DOCX`、`PPTX` 和 `XLSX` 解析 - 公式 → LaTeX · 表格 → HTML，精准版面重构 - 支持扫描文档、手写体、多栏布局、跨页表格合并 - 输出遵循人类阅读顺序，自动去除页眉/页脚 - VLM + OCR 双引擎，支持 109 种语言 OCR 识别 **🔌 集成方案** | 使用场景 | 解决方案 | |----------|----------| | AI 编程工具 | MCP Server — Cursor · Claude Desktop · Windsurf | | RAG 框架 | LangChain · LlamaIndex · RAGFlow · RAG-Anything · Flowise · Dify · FastGPT | | 开发集成 | Python / Go / TypeScript SDK · CLI · REST API · Docker | | 零代码 | mineru.net 在线版 · Gradio WebUI · 桌面客户端 | **🖥️ 部署方式（私有化 · 全离线）** | 推理后端 | 适用场景 | |------------------|---------| | pipeline | 快速稳定，无幻觉，支持 CPU 或 GPU 运行 | | vlm-engine | 高精度，支持 vLLM / LMDeploy / mlx 生态 | | hybrid-engine | 高精度，原生文本提取，低幻觉 | 国产 AI 芯片：昇腾 · 寒武纪 · 燧原 · 沐曦 · 摩尔线程 · 昆仑芯 · 天数智芯 · 海光 · 壁仞 · 平头哥

更新日志

  • 2026/06/18 发布 3.4

本次更新聚焦于 pipeline 后端的 OCR 能力升级、OCR 处理流程优化 和 模型下载体验改进。主要更新内容包括：

  • OCR 模型升级与处理加速

    • pipeline 后端的 OCR 模型升级至 PP-OCRv6，在 OmniDocBench v1.6 上 OCR 准确率提升约 11%。
    • 移除了 OCR 语言选择中的日语、繁体中文、英语和拉丁语选项。这些场景现在统一路由到 ch OCR 模型，简化了模型配置和语言选择。
    • 优化了 OCR 推理与处理流水线，OCR 处理速度提升约 100%，显著提高了批量文档和 OCR 密集型文档的解析效率。

  • 模型下载逻辑优化

    • 新增自动模型源选择功能，首次安装时会根据当前网络环境自动选择更优的模型源。
    • 下载模型前，MinerU 会优先检查本地已下载的模型缓存文件。命中缓存可直接复用，减少重复下载和不必要的远程请求。
    • 更多关于模型源配置、自动源选择及本地模型使用的详情，请参阅模型源文档。

随着 3.4 版本的发布，MinerU 进一步提升 pipeline 后端在 OCR 场景下的解析精度和处理效率，同时优化模型下载、缓存复用以及本地配置回写，使首次安装、模型更新和多环境部署更加稳定和自动化。

  • 2026/06/11 发布 3.3

本次更新聚焦于 混合解析性能优化 和 VLM 模型能力升级。主要更新内容包括：

  • 新增 Hybrid 后端的 effort 解析强度参数

    • 新增 medium 和 high 两种解析强度级别，让用户可以在解析速度、解析精度和功能需求之间灵活权衡。
    • 在 OmniDocBench v1.6 上，medium 相比 high 整体精度仅下降 0.13 分，但在不同设备和场景下实现了 35% ~ 220% 的解析速度提升：
    • Linux：文本 PDF 场景提升约 80%，OCR 场景提升约 35%
    • Windows：文本 PDF 场景提升约 90%，OCR 场景提升约 45%
    • macOS：文本 PDF 场景提升约 220%，OCR 场景提升约 50%
    • Hybrid 后端默认使用 effort=medium，在保持高解析精度的同时显著提升整体解析效率。
    • medium 级别不支持 图像分析；如需最高解析精度或 图像分析 支持，请切换到 effort=high 高强度解析模式，但这可能会影响解析速度。

  • VLM 模型升级至 MinerU2.5-Pro-2605-1.2B

    • 修复了 2604 版本中发现的多个模型问题，进一步提升复杂文档上的解析稳定性。
    • 新增原生多语言 OCR 支持，减少额外语言参数配置的需求，提升多语言文档的开箱即用体验。

随着 3.3 版本的发布，MinerU 在保持高精度解析的同时，进一步提升了 Hybrid 后端在跨平台、多场景下的效率。默认的 medium 强度更适合大多数日常文档处理任务，而 high 则面向需要极致解析精度或 图像分析 能力的场景。

  • 2026/04/18 发布 3.1.0

本次更新聚焦于 许可证开放、解析精度提升与全格式原生支持。主要更新内容包括：

  • 许可证升级
    • MinerU 正式从 AGPLv3 迁移至 MinerU 开源许可证，这是一个基于 Apache 2.0 的定制许可证。
    • 这一变更显著降低了社区用户和商业部署的使用门槛，使 MinerU 更容易集成到真实业务工作流中。
  • VLM 主模型升级
    • 主 VLM 模型升级至 MinerU2.5-Pro-2604-1.2B，整体解析精度达到业界领先水平。
    • 新模型支持图像和图表解析、截断段落合并、跨页表格合并以及表格内图像识别，进一步强化了对复杂文档版式的处理能力。
  • 全格式原生解析支持
    • 原生解析支持现已扩展至 PPTX 和 XLSX。
    • MinerU 现已全面支持对图片、PDF、DOCX、PPTX 和 XLSX 的解析，提供更完整的跨格式文档理解工作流。

随着 3.1.0 版本的发布，MinerU 变得更加开放、准确且更易于在生产环境中采用。新许可证降低了社区和商业使用的门槛，MinerU2.5-Pro-2604-1.2B 提升了复杂内容的解析质量，原生 PPTX / XLSX 支持则完成了对主流文档格式端到端的覆盖。

  • 2026/03/29 发布 3.0.0

本次发布围绕 解析能力、系统架构与工程可用性 进行了系统性升级。主要更新内容包括：

  • 原生 DOCX 解析
    • 正式支持原生 DOCX 解析，可在无幻觉的情况下提供高精度结果。
    • 相比传统先转换 DOCX 为 PDF 再解析的工作流，端到端速度提升数十倍，更适合对精度和吞吐量都有高要求的场景。
  • pipeline 后端升级
    • pipeline 后端在 OmniDocBench (v1.5) 上取得 86.2 分，超越上一代主流 VLM MinerU2.0-2505-0.9B 的精度水平。
    • 新增对表格内图像/公式解析、印章文字识别、竖排文字支持以及行间公式编号识别的支持，持续提升复杂文档场景的解析质量。
    • 在保持高精度的同时，资源占用极低，并继续支持纯 CPU 环境下的推理。
  • API / CLI / Router 编排升级
    • mineru 现在作为基于 mineru-api 的编排客户端运行；当未提供 --api-url 时，会自动启动本地临时服务。
    • mineru-api 新增异步任务端点 POST /tasks，支持任务提交、状态查询和结果获取；同时保留同步解析端点 POST /file_parse 以兼容旧插件。
    • 新增 mineru-router，专为多服务、多 GPU 场景的统一入口部署和任务路由设计；其接口与 mineru-api 完全兼容，支持自动任务负载均衡。
  • 部署与可用性改进
    • 解决了与 torch >= 2.8 的兼容性问题；基础镜像升级至 vllm0.11.2 + torch2.9.0，统一了不同计算能力平台的安装路径。
    • 采用滑窗机制优化了解析流水线，显著降低了长文档场景的峰值内存占用，数万页的文档不再需要手动拆分。
    • pipeline 的批处理推理现在支持流式写盘，能够及时写出已完成的解析结果，进一步优化长任务的体验。
    • 完成线程安全优化，现已全面支持多线程并发推理；与 mineru-router 配合，可一键部署多 GPU，轻松构建高并发、高吞吐的解析系统。
    • 完全移除了对两个 AGPLv3 模型（doclayoutyolo 和 mfd_yolov8）以及一个 CC-BY-NC-SA 4.0 模型（layoutreader）的使用。

此次更新不仅仅是一系列功能增强，更是 MinerU 整体系统能力的一次关键飞跃。我们针对长文档解析的峰值内存占用问题进行了专项优化，通过滑窗和流式写盘等优化，使超长文档解析从“需要手动拆分、小心处理”变为“稳定、可扩展、能上生产”。同时我们完成了线程安全优化并全面启用多线程并发推理，进一步提升单机在高并发负载下的资源利用率和运行稳定性。在此基础上，借助 mineru-router 和新的 API / CLI 编排框架，MinerU 现已支持一键多 GPU 部署、跨服务统一接入和自动任务负载均衡，大幅降低了规模化部署的难度。由此，MinerU 正从一款单机数据生产工具，演进为面向高并发、高吞吐场景的大规模文档解析基础设施，为企业的文档数据处理提供更稳定、更高效、更易扩展的基座能力。

📝 查看完整的更新日志以获取更多历史版本信息

MinerU

项目简介

MinerU 是一款文档解析工具，可将 PDF、图片、DOCX、PPTX 和 XLSX 输入转换为 Markdown 和 JSON 等机器可读格式，供下游检索、抽取和处理使用。
MinerU 诞生于 InternLM 的预训练过程中。我们专注于解决科学文献中的符号转换问题，希望为大模型时代的技术发展做出贡献。
与知名商业产品相比，MinerU 仍然年轻。如果您遇到任何问题或结果不符合预期，请在 issue 中提交问题，并附上相关文档或示例文件。

https://github.com/user-attachments/assets/4bea02c9-6d54-4cd6-97ed-dff14340982c

核心特性

  • 支持 PDF、图片、DOCX、PPTX 和 XLSX 输入。
  • 移除页眉、页脚、脚注、页码等，确保语义连贯。
  • 按人类阅读顺序输出文本，适用于单栏、多栏和复杂版面。
  • 保留原始文档结构，包括标题、段落、列表等。
  • 提取图像、图像描述、表格、表格标题和脚注。
  • 自动识别并转换文档中的公式为 LaTeX 格式。
  • 自动识别并转换文档中的表格为 HTML 格式。
  • 自动检测扫描版 PDF 和乱码 PDF 并启用 OCR 功能。
  • OCR 支持 109 种语言的检测与识别。
  • 支持多种输出格式，如多模态和 NLP 的 Markdown、按阅读顺序排序的 JSON 以及丰富的中间格式。
  • 支持多种可视化结果，包括版面可视化和 span 可视化，便于高效确认输出质量。
  • 内置 CLI、FastAPI、Gradio WebUI，支持本地编排和多服务部署。
  • 支持纯 CPU 环境运行，同时支持 GPU/MPS 加速。
  • 兼容 Windows、Linux 和 Mac 平台。

快速开始

文档解析是一项艰巨而复杂的任务。在复杂版面、扫描页面和手写内容等场景中，解析结果可能不尽如人意。我们建议您先尝试线上 demo，评估 MinerU 的解析质量和适用性，然后根据实际需求选择合适的部署方式。
如果您有解析效果不理想的文档样例，欢迎在 issue 中分享。我们将持续改进解析能力。
如果您遇到任何安装问题，请首先查阅 常见问题解答。

在线体验

官方在线 Web 应用

官方在线版本与客户端功能一致，界面美观、功能丰富，需要登录后使用

  • [![OpenDataLab](https://img.shields.io/badge/webapp_on_mineru.net-blue?logo=data:image/svg+xml;base64,PHN2ZyB3aWR0aD0iMTM0IiBoZWlnaHQ9IjEzNCIgeG1sbnM9Imh
项目地址：https://github.com/opendatalab/MinerU
21 次点击  ∙  0 人收藏  
登录后收藏  
0 条回复
关于 ·  帮助 ·  PING ·  隐私 ·  条款   
OA0 - Omni AI 0 一个探索 AI 的社区
沪ICP备2024103595号-2
耗时 23 ms
Developed with Cursor