MinerU PDF 转 Markdown 快速指南把合同、论文与办公文件完整转为 LLM 可用的 Markdown 与 JSON【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU把一份 20 页的扫描合同 PDF 归档进企业知识库版面要还原、表格不能断、内容还要能被程序二次处理。MinerU 是一款开源文档解析工具可将 PDF、DOCX、PPTX、XLSX 与图片直接转换为 Markdown 和 JSONOmniDocBench v1.6 综合得分在 86.47 至 95.39 之间单份文档通常几分钟内完成。常见解析痛点与对应能力阅读顺序混乱、双栏版面错排 → 版面检测与阅读顺序重建输出按人类阅读顺序组织表格与公式转换后不可用 → 表格输出 HTML、公式还原为 LaTeX支持跨页表格合并扫描件、多语言文档漏字 → VLM 与 OCR 双引擎支持 109 种语言 OCR 识别PDF、Word、PPT 无法统一转换 → 原生解析 DOCX、PPTX、XLSXDOCX 端到端速度较先转 PDF 再解析提升数十倍 上手演示三步完成合同 PDF 转 Markdown1. 准备待解析文件并安装环境把合同 PDF 及相关文档放入同一目录PDF、图片、DOCX、PPTX、XLSX 均受支持样例文件可参考 demo/pdfs/。本地安装git clone https://gitcode.com/GitHub_Trending/mi/MinerU pip install -U mineru[all]2. 配置解析参数命令行用-p与-o指定输入、输出目录例如mineru -p ./pdfs -o ./output接入 Dify 工作流时可在 MinerU 工具节点中直接设置参数常用的是四个参数PARSE_METHOD自动选择文本抽取或 OCR、ENABLE_FORMULA、ENABLE_TABLE以及BACKEND无 GPU 环境选 pipeline追求精度选 hybrid-engine。3. 查看导出结果任务完成后得到 Markdown、JSON 与图片结果可直接接入下游 LLM 节点做摘要、问答同时会生成{原文件名}_layout.pdf可视化文件可逐页核对各内容块的阅读顺序。 关键功能决定解析质量的三项能力阅读顺序与版面重建双栏、图文混排按人类阅读顺序重组并自动去除页眉页脚噪声适合论文、期刊与报告归档。表格与公式保留表格输出为 HTML、公式还原为 LaTeX支持跨页表格合并与表格内图片识别适合带价格清单的合同与公式密集的技术文档。多语言 OCRVLM 与 OCR 双引擎覆盖 109 种语言适合中英文混排合同与低质量扫描件。适用人群与场景法务与文档人员合同归档、条款比对、搭建可检索的合同知识库RAG 与 Agent 开发者Markdown、JSON 输出直接接入 LangChain、Dify、FastGPT科研机构论文、专著与扫描件批量转为结构化文本数据工程师基于 middle.json 结构化结果做二次开发与质检实现方式mineru/backend/pipeline/版面检测、公式检测与 OCR 等模型化流水线支持纯 CPU 推理mineru/backend/vlm/视觉语言模型后端精度更高支持 vLLM / LMDeploy 推理生态 效率对比一份 20 页文档处理方式耗时格式保真可二次加工性手动复制粘贴30-60 分钟低排版与版面丢失纯文本需人工重排通用转换工具10-15 分钟中表格公式易错乱以文本为主结构有限MinerUpipeline 后端2-3 分钟OmniDocBench v1.6 综合得分 86.47Markdown JSON可直接二次开发MinerUhybrid-engine 后端2-3 分钟OmniDocBench v1.6 综合得分 95.39highMarkdown JSON可直接二次开发一条命令即可把合同 PDF 转成 Markdown 与 JSONmineru -p ./contract.pdf -o ./output。更多配置与部署说明见以下资源官方文档快速开始指南解析后端源码目录示例脚本【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MinerU PDF 转 Markdown 快速指南：把合同、论文与办公文件完整转为 LLM 可用的 Markdown 与 JSON
MinerU PDF 转 Markdown 快速指南把合同、论文与办公文件完整转为 LLM 可用的 Markdown 与 JSON【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU把一份 20 页的扫描合同 PDF 归档进企业知识库版面要还原、表格不能断、内容还要能被程序二次处理。MinerU 是一款开源文档解析工具可将 PDF、DOCX、PPTX、XLSX 与图片直接转换为 Markdown 和 JSONOmniDocBench v1.6 综合得分在 86.47 至 95.39 之间单份文档通常几分钟内完成。常见解析痛点与对应能力阅读顺序混乱、双栏版面错排 → 版面检测与阅读顺序重建输出按人类阅读顺序组织表格与公式转换后不可用 → 表格输出 HTML、公式还原为 LaTeX支持跨页表格合并扫描件、多语言文档漏字 → VLM 与 OCR 双引擎支持 109 种语言 OCR 识别PDF、Word、PPT 无法统一转换 → 原生解析 DOCX、PPTX、XLSXDOCX 端到端速度较先转 PDF 再解析提升数十倍 上手演示三步完成合同 PDF 转 Markdown1. 准备待解析文件并安装环境把合同 PDF 及相关文档放入同一目录PDF、图片、DOCX、PPTX、XLSX 均受支持样例文件可参考 demo/pdfs/。本地安装git clone https://gitcode.com/GitHub_Trending/mi/MinerU pip install -U mineru[all]2. 配置解析参数命令行用-p与-o指定输入、输出目录例如mineru -p ./pdfs -o ./output接入 Dify 工作流时可在 MinerU 工具节点中直接设置参数常用的是四个参数PARSE_METHOD自动选择文本抽取或 OCR、ENABLE_FORMULA、ENABLE_TABLE以及BACKEND无 GPU 环境选 pipeline追求精度选 hybrid-engine。3. 查看导出结果任务完成后得到 Markdown、JSON 与图片结果可直接接入下游 LLM 节点做摘要、问答同时会生成{原文件名}_layout.pdf可视化文件可逐页核对各内容块的阅读顺序。 关键功能决定解析质量的三项能力阅读顺序与版面重建双栏、图文混排按人类阅读顺序重组并自动去除页眉页脚噪声适合论文、期刊与报告归档。表格与公式保留表格输出为 HTML、公式还原为 LaTeX支持跨页表格合并与表格内图片识别适合带价格清单的合同与公式密集的技术文档。多语言 OCRVLM 与 OCR 双引擎覆盖 109 种语言适合中英文混排合同与低质量扫描件。适用人群与场景法务与文档人员合同归档、条款比对、搭建可检索的合同知识库RAG 与 Agent 开发者Markdown、JSON 输出直接接入 LangChain、Dify、FastGPT科研机构论文、专著与扫描件批量转为结构化文本数据工程师基于 middle.json 结构化结果做二次开发与质检实现方式mineru/backend/pipeline/版面检测、公式检测与 OCR 等模型化流水线支持纯 CPU 推理mineru/backend/vlm/视觉语言模型后端精度更高支持 vLLM / LMDeploy 推理生态 效率对比一份 20 页文档处理方式耗时格式保真可二次加工性手动复制粘贴30-60 分钟低排版与版面丢失纯文本需人工重排通用转换工具10-15 分钟中表格公式易错乱以文本为主结构有限MinerUpipeline 后端2-3 分钟OmniDocBench v1.6 综合得分 86.47Markdown JSON可直接二次开发MinerUhybrid-engine 后端2-3 分钟OmniDocBench v1.6 综合得分 95.39highMarkdown JSON可直接二次开发一条命令即可把合同 PDF 转成 Markdown 与 JSONmineru -p ./contract.pdf -o ./output。更多配置与部署说明见以下资源官方文档快速开始指南解析后端源码目录示例脚本【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考