MinerU v0.14.1 实用的PDF文档提取工具，转化为多格式

MinerU 是一款文档解析工具，可将 PDF、图片以及 DOCX、PPTX、XLSX 转化为机器可读格式（如 Markdown、JSON），便于后续检索、抽取与二次处理。

主要功能

• 支持 PDF、图片与 DOCX、PPTX、XLSX 输入
• 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109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
• 内置命令行、FastAPI、Gradio WebUI，支持本地编排和多服务部署
• 支持纯CPU环境运行，并支持 GPU/MPS加速，以及十余款国产算力平台的推理加速
• 兼容Windows、Linux和Mac平台

核心解析能力

• 原生支持 DOCX、PPTX、XLSX 解析
• 公式 → LaTeX · 表格 → HTML，精准还原复杂版面
• 支持扫描件、手写体、多栏布局、跨页表格合并
• 输出符合人类阅读顺序，自动去除页眉页脚
• VLM + OCR 双引擎，支持 109 种语言识别

下载地址

https://pan.quark.cn/s/9b31f0e82f83

https://www.guangyapan.com/s/1935701382754729991_alXmYMu9gxLNGFZD

https://github.com/opendatalab/mineru

https://mineru.net