最实用的PDF文档提取工具-MinerU 2.0部署教程

项目简介

MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。
MinerU诞生于书生-浦语的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。

主要功能

• 删除页眉、页脚、脚注、页码等元素，确保语义连贯

• 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版

• 保留原文档的结构，包括标题、段落、列表等

• 提取图像、图片描述、表格、表格标题及脚注

• 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84种语言的检测与识别

• 支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等

• 支持多种可视化结果，包括layout可视化、span可视化等，便于高效确认输出效果与质检

• 支持纯CPU环境运行，并支持 GPU(CUDA)/NPU(CANN)/MPS 加速

• 兼容Windows、Linux和Mac平台

快速开始

在线体验MinerU的效果：

• https://mineru.net/OpenSourceTools/Extractor?source=github

• https://www.modelscope.cn/studios/OpenDataLab/MinerU

• https://huggingface.co/spaces/opendatalab/MinerU

本地部署

使用 pip 或 uv 安装

 复制代码 隐藏代码
# 将当前 Python 环境中的 pip 工具升级到最新版本
pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple
# 使用 pip 从阿里云镜像源安装名为 uv 的 Python 包
pip install uv -i https://mirrors.aliyun.com/pypi/simple
# 使用 uv 工具安装或升级名为 mineru 的包，并且安装的是带有 core 可选依赖的版本
uv pip install -U "mineru[core]" -i https://mirrors.aliyun.com/pypi/simple 

可视化调用

使用gradio webui 或 gradio api调用

 复制代码 隐藏代码
# 使用 pipeline/vlm-transformers/vlm-sglang-client 后端
mineru-gradio --server-name 127.0.0.1 --server-port 7860
# 或使用 vlm-sglang-engine/pipeline 后端
mineru-gradio --server-name 127.0.0.1 --server-port 7860 --enable-sglang-engine true

在浏览器中访问 http://127.0.0.1:7860 使用 Gradio WebUI 或访问 http://127.0.0.1:7860/?view=api 使用 Gradio API。

已知问题

• 阅读顺序基于模型对可阅读内容在空间中的分布进行排序，在极端复杂的排版下可能会部分区域乱序

• 对竖排文字的支持较为有限

• 目录和列表通过规则进行识别，少部分不常见的列表形式可能无法识别

• 代码块在layout模型里还没有支持

• 漫画书、艺术图册、小学教材、习题尚不能很好解析

• 表格识别在复杂表格上可能会出现行/列识别错误

• 在小语种PDF上，OCR识别可能会出现字符不准确的情况（如拉丁文的重音符号、阿拉伯文易混淆字符等）

• 部分公式可能会无法在markdown中渲染

普通用户：每天可解析2000页
官网入口：https://mineru.net
github仓库：https://github.com/opendatalab/MinerU
官网下载地址：https://mineru.net/client

本地部署版 MinerU 2.0 CPU 版本：

初始版本

双击 main.exe 启动  

链接: https://pan.baidu.com/s/1hYZwIdxCImgnLaqDxjbKNg?pwd=ey8z

通过网盘分享的文件：MD5 的 mineruBat.zip 哈希:  0820328fd00f92bf1c1a7c872cfce3de  

更新版本

说明：

• 先下载初始版本再下载更新版本  

• 根目录下解压替换初始版本  

双击 setup.bat 启动程序
双击 upgrade.bat 更新程序
双击 setIP.bat 输入电脑IP， 黏贴浏览器地址提供给同事们使用，同时，手机也可以访问使用（需在同一个局域网内）

mineruBat.zip