❤️❤️❤️❤️❤️❤️ 我们已经正式推出微信小程序，在微信中搜索 TrendForge Pro 即可使用小程序，如果使用 Telegram 请搜索 trendforge_tg ❤️❤️❤️❤️❤️❤️
opendatalab/MinerU
项目介绍
高质量PDF转Markdown和JSON工具。一站式开源数据提取解决方案，实现PDF到Markdown与JSON格式的精准转换。
Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.
智能解读
原始标签
使用场景
MinerU最适合需要将PDF、Office文档、扫描件等非结构化文档精准转换为结构化Markdown/JSON，用于RAG知识库、AI编程助手、多语言数字化和科研论文处理的场景。
RAG知识库文档解析
构建RAG应用时，PDF、PPT、Excel等非结构化文档无法直接作为LLM输入，手动提取费时且格式混乱。
MinerU将PDF/DOCX/PPTX/XLSX等文档自动转为结构化Markdown或JSON，保留表格、公式、标题层级，可直接喂给LangChain、Dify、FastGPT等RAG框架。
将一份混合了表格、图片和公式的学术论文PDF转为Markdown，导入RAGFlow后，用户能精准检索到某个表格数据或公式推导步骤。
AI编程工具文档预处理
在Cursor、Claude Desktop等AI编程工具中，需要将技术文档、API手册转换为结构化文本供模型理解，但原始PDF格式混乱、包含无关页眉页脚。
通过MinerU的MCP Server，AI编程工具可直接调用文档解析能力，自动去除页眉页脚、按阅读顺序输出Markdown，保证代码示例和API描述准确。
将一份300页的PyTorch官方PDF文档交给MinerU解析，Cursor中的AI助手能正确理解每个API的参数说明和示例代码。
多语言文档批量数字化
需要将包含中、英、日、韩等109种语言的扫描件或图片型PDF转为可编辑文本，传统OCR工具准确率低、布局混乱。
MinerU的VLM+OCR双引擎支持109种语言识别，能处理手写、多栏排版、跨页表格合并，输出结构化Markdown/JSON。
将一份日文技术手册扫描件（含手写批注和跨页表格）批量转换为Markdown，保留原始布局和表格完整性。
科研论文公式与表格提取
从科研PDF中提取LaTeX公式和HTML表格时，现有工具常导致公式乱码、表格合并错误，影响后续LaTeX排版或数据复用。
MinerU内置公式→LaTeX、表格→HTML的精准转换，支持复杂数学公式和跨页表格合并，输出可直接用于LaTeX文档或数据分析。
将一篇包含大量矩阵公式和跨页实验数据表的机器学习论文PDF转为LaTeX源码，公式和表格完全可编辑。
项目健康度
距上次更新 18 天
平台 Star TOP 1% · Forks 6,012
本周 +3,206 ⭐ · 本月 +12,824 ⭐
73 位贡献者 · 0 条平台评论
缺少 1 项内容
项目信息
赞赏支持
如果本站对你有帮助，欢迎打赏支持
微信
支付宝
Widget 徽章
相关项目推荐
public-apis/public-apis
免费API资源汇总列表
EbookFoundation/free-programming-books
📚 免费提供的编程书籍
donnemartin/system-design-primer
学习如何设计大规模系统。为系统设计面试做准备。包含Anki记忆卡片。
practical-tutorials/project-based-learning
基于项目的教程精选列表
vinta/awesome-python
精心整理的优质Python框架、库、软件及资源列表
TheAlgorithms/Python
所有算法均使用Python实现
加载评论中...