主题设置
内置主题选择后自动记忆
我的主题0
在「自定义」里调好颜色后,点下方「另存为」即可存成自己的主题。
导出的 JSON 可分享给他人,导入后会出现在「我的主题」,登录后自动备份到云端。
自定义参数默认等于液态玻璃
主题色
辅色
背景色
文字配色
渐变底色
光斑颜色
角度 160°
通透度 88%
标题
正文
描述
标题
描述
正文
链接
描述
标题
描述
站点卡片
面板背景
背景
遮罩 16%
卡片 88%
登录
星际导航 高质量资源导航

PDF解析OCR与文档阅读工具:MinerU

是一款文档阅读与解析开源工具,支持PDF、扫描件、Word、PPT、Excel等格式转成Markdown,并保留按页按区块的稳定定位。它擅长长文档、表格与公式处理,默认本地解析更安心。

枫枫叶 开源项目 · 刚刚 · 1 阅读 · 0 评论

温馨提示:本文发布于 2026-11-19,内容可能随时间推移而失效;若遇到链接打不开、资源异常等情况,可在下方「反馈」中告诉我们,我们会尽快核实处理。

一份上百页的扫描版论文摆在面前,想从中找出公式、表格和结论,靠人眼翻页抄录既慢又容易出错。这类需求看起来普通,真正处理起来却很考验工具:PDF 里可能有复杂版面、跨页表格和行内公式,扫描件还需要先做 OCR 才能拿到文字。MinerU 就是为这类文档阅读与解析场景准备的开源工具,它把解析、OCR、搜索、检查和引用串成一条完整流程,让你不必在多个软件之间来回切换。更关键的是,它默认把文档留在本机处理,只有明确使用远程参数时才会上传,对隐私敏感的资料也算友好。下面按是什么、功能、场景、上手步骤和适用边界几个维度,把这套工具的取舍讲清楚。

MinerU是什么?

MinerU 是一个面向文档阅读与解析的开源工具,主要用来把 PDF、扫描件、Word、PPT、Excel 等多种格式的文档解析成可继续处理的内容,服务于需要读取、检索、引用长文档的人,包括研究者、枫叶和知识工作者。它并不只做一个格式的转换:从本地文档的工作流出发,把发现文件、缓存解析结果、搜索内容、按页或按区块继续阅读,以及保留稳定的引用定位串成一体。项目同时提供 Python SDK、V1 API、无状态批量转换、多服务 Router 和基于 Gradio 的 WebUI,让命令行调用与界面操作各有落点。定位上,它更像是文档阅读的基础设施,而不是一次性的格式转换脚本。

核心功能

  • 文档解析与格式转换——支持 PDF、扫描图片、Word、PPT、Excel、RTF、OpenDocument、EPUB、OFD、HTML、MHTML、CSV 等格式,把内容转成 Markdown,方便后续分析与引用。
  • OCR 与扫描件识别——针对扫描版 PDF 和拍摄的文档图片做 OCR,让原本取不到文字的页面也能进入检索与阅读流程。
  • 长文档续读与区块定位——用按页或按区块的续读代替把整份文件塞进上下文,并用 doc:{shortid}/tier:{tier}/page:{pageno}/block:{blockno} 这类定位串保留稳定引用。
  • 表格、公式与版面处理——4.2 版本改进了行内公式识别与复杂版面分析,并加强了跨页表格合并,Tagged PDF 与 PDF/UA 的结构语义也被用于改善阅读顺序。
  • 统一工具入口——提供 Python SDK、V1 API、无状态批量转换、多服务 Router 和基于 Gradio 的 WebUI,脚本调用与界面操作可以按需选择。
  • 可独立配置的模型引擎——小模型可选 ONNX 或 Torch,VLM 可选 llama.cpp、vLLM 或 LMDeploy,便于按硬件条件拆分部署。
  • 本地优先与隐私控制——默认本机解析,只有显式带远程参数才上传;本地失败不会静默回退到远程,远程失败在条件允许时才可回退到本地。

使用场景

人群/角色场景描述推荐指数
研究者 / 学生阅读长篇论文、提取公式与跨页表格,并按页续读而非整篇载入★★★★★
内容整理者把扫描件、Word、PPT、Excel 等转成 Markdown 做二次分析★★★★☆
枫叶通过 Python SDK 或 V1 API 把解析能力接入自己的流水线★★★★☆
知识库建设者对已索引文档做搜索,并用定位串保留可回溯的引用★★★★☆
隐私敏感用户依赖默认本地解析处理不外传的内部资料★★★★☆
视觉核查人员按页或按区块取回图片做人工目视检查★★★☆☆

操作指南

  • 先确认你的硬件与系统:项目在 Windows 和 Linux 上提供针对兼容 Intel、AMD、NVIDIA 显卡的 ONNX 自动加速,macOS 上则有 MPS 与 Metal 支持,程序会检测设备,优先使用独立显卡,并为集显选择更合适的执行方式。
  • 安装与配置按项目文档进行,把 mineru 作为命令入口;配置服务时可以在 Python SDK、V1 API、批量转换、Router 与 WebUI 中选择一种作为主要调用方式。
  • 处理第一份文件时,直接对本地文件发起读取;若想让程序做控制流判断,记得带上 –json 参数,让输出更适合机器解析。
  • 对长文档不要一次读完,续读时跟随 continuation 命令和 nextrequest 的提示逐段推进,并把 doc:{shortid}/tier:{tier}/page:{pageno}/block:{blockno} 这类定位串保留下来,方便回看与引用。
  • 需要目视核查时,按页或按区块取回图片;质量档位方面,普通阅读可省略 –tier 参数,让工具按标准、再基本的顺序选择,而 flash 不会被当作默认的最终阅读档位。
  • 涉及外传时守住边界:默认只在本地解析,确需远程时才带远程参数,且要先获得授权,本地失败不会静默转远程。准备好后,从 立即使用 入口开始,或前往 MinerU 查看项目主页与文档。

支持平台

从已公开的信息看,MinerU 提供基于 Gradio 的 WebUI,并有在线试用入口,浏览器即可使用;同时以 mineru 作为命令行入口,适合脚本与自动化场景。开发侧提供 Python SDK 与 V1 API,便于接入现有系统。系统层面,Windows 与 Linux 支持针对兼容显卡的 ONNX 自动加速,macOS 支持 MPS 与 Metal。项目还维护 Discord 与微信社群。小程序、浏览器插件等形态站方没有明确列出,以站内信息为准。

产品定价

站方未公开价格信息,以站内为准。

常见问题

Q:MinerU 默认会把我的文档上传到服务器吗?

不会。默认情况下 mineru 在本机解析文档,只有当命令显式使用远程参数时才会把文档送去远程解析。即使已经配置了远程能力,在你同意之前也不应上传;本地解析失败不会静默地转到远程,只有远程失败且请求仍可在本地满足时,才可能回退到本地。

Q:处理长文档时,怎样避免把整篇内容塞进上下文?

可以用按页或按区块的续读方式,跟随 continuation 命令和 nextrequest 的提示逐段推进,而不是一次读完整份文件。过程中保留 doc:{shortid}/tier:{tier}/page:{pageno}/block:{blockno} 这样的定位串,后续引用和回看都能稳定指向同一处。

Q:普通阅读时需要手动指定质量档位吗?

一般不需要。普通阅读质量下省略 –tier 参数即可,基于解析服务器的解析会按标准、再基本的顺序选择;高级档位不会被隐式选中,flash 也不会被当作默认的最终阅读档位。若正常质量不可用,可先看 mineru server status –json,再把可选方案摆给用户决定,不要擅自换用非 MinerU 的解析器来凑合完成任务。

枫叶小结

作为收录到本站的开源项目,MinerU 的取舍很清楚:它把力气花在文档解析的准确性与流程连续性上,4.2 版在行内公式、复杂版面和跨页表格上的改进,以及 4.1 版带来的跨平台加速与统一任务 API,都指向长文档、表格、公式这类真正费劲的场景,而 Python SDK、API、Router 与 WebUI 的多入口设计,也让它可以嵌入不同工作流。适用边界同样明显:它默认本地解析,对隐私友好,但远程能力需要显式开启和授权;普通阅读不必纠结档位,遇到质量不可用时也应把选择权交回使用者,而不是替他默默降级。若能接受这样的约束,它比临时拼凑的解析脚本更值得作为文档阅读的底座。

版权与免责声明
本站名称:星际导航 永久网址:https://dhw.wchulian.com.cn
  • 1 如果您喜欢本站,点击这儿捐赠本站,感谢支持!
  • 2 可能会帮助到你: 使用帮助 报毒说明 侵权删除 联系我们
  • 3 修改版本安卓及电脑软件,加群提示为修改者自留,非本站信息,注意鉴别;
  • 4 本网站部分资源来源于网络,仅供大家学习与参考,请于下载后 24 小时内删除;

相关推荐

相关文章
Java面试刷题与SpringCloud实战学习教程连载:悟空聊架构 开源项目 Java面试刷题与SpringCloud实战学习教程连载:悟空聊架构 悟空聊架构收录的这套学习教程围绕Java后端展开,系统讲解项目搭建、架构业务与技术要点,连载内容包含环境部署、刷题小程序、微服务与分布式实战,帮助开发者用零碎时… 免费AI网关394家供应商聚合与令牌节省路由:OmniRoute 开源项目 免费AI网关394家供应商聚合与令牌节省路由:OmniRoute 是一款由 Diego Souza 创建的免费 AI 网关,把数百家模型供应商汇聚到单一端点,自动节省 15–95% 令牌,并提供本地优先、CLI、A2A 与 M… 腾讯开源的AI控制浏览器的桥接工具:BrowserSkill 开源项目 腾讯开源的AI控制浏览器的桥接工具:BrowserSkill 很多AI Agent网页自动化方案会启动全新隔离浏览器实例,无法复用本地已保存的登录会话,访问需要账号权限的内部网页、业务后台时,会反复遇到登录、验证码拦截。B… 证件照智能制作开源工具AI抠图换底:HivisionIDPhotos 开源项目 证件照智能制作开源工具AI抠图换底:HivisionIDPhotos 是一套系统性的证件照智能制作算法,依托AI模型工作流完成抠图与证件照生成。它支持纯离线或端云推理,仅用CPU即可轻量级抠图,可按规格生成证件照与六寸排版照,还提… 轻量快速多模型AI聊天客户端开源自托管:NextChat 开源项目 轻量快速多模型AI聊天客户端开源自托管:NextChat 是一款轻量开源AI聊天客户端,支持Claude、DeepSeek、GPT4与Gemini Pro等模型,数据默认留在浏览器本地,提供流式响应与Markdown渲… 程序员学习网站清单推荐:程序员应该访问的最佳网站英文版 开源项目 程序员学习网站清单推荐:程序员应该访问的最佳网站英文版 程序员应该访问的最佳网站英文版是一份持续更新的英文网站资源清单,按求助、资讯、学习、工具与职业等主题整理常用站点,附一句话用途说明,适合想按场景快速定位资源的开…

发现资源问题?请选择反馈类型后提交,我们会尽快核实处理。

  • 文中的资源、工具或下载链接可能随发布时间变旧而失效,遇到打不开、已下架等情况,可在「反馈」中告诉我们。
  • 部分资源受地区或网络限制,访问失败时可以先切换网络(如 Wi-Fi 与流量互换)或稍后重试。
  • 教程类内容请按文中步骤操作,涉及第三方软件时以该软件官方说明为准,注意甄别付费与广告信息。
  • 建议使用 Safari、Chrome、Edge 等主流浏览器的最新版本浏览,避免出现排版错乱或跳转异常。
必备 枫叶起始页(必备)