MinerU 可视化 PDF 解析完整指南【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 PDF 变成可供大模型使用的 MarkdownMinerU Gradio WebUI 提供了一条不需要记忆命令行参数的路径。它是 MinerU 附带的可视化 PDF 解析界面安装 MinerU 后一条命令即可启动在浏览器中上传文档、调整选项、点击转换就能得到带版面结构的 Markdown 和结构化 JSON也就是常说的 PDF 转 Markdown 工作流。先看它能做什么输入范围广支持 PDF、常见图片格式以及 DOCX、PPTX、XLSX 等 Office 文档可拖拽、点击选择或直接粘贴上传。输出直接可用结果同时提供渲染后的 Markdown、原始 Markdown 文本和 JSON 内容列表页面上直接复制也能下载整个结果压缩包。解析过程透明版面区域、公式、表格在解析时会被识别和标注转换状态面板会实时显示当前进行到哪一步。界面上每个选项背后都对应一个真实的解析行为后文会逐一说明。整体解析流程由多种模型协作完成示意如下 安装与首次启动 MinerU Gradio WebUI环境要求不高Python 3.10、16GB 内存起步有 NVIDIA 显卡8GB 显存以上时 VLM 类后端可用纯 CPU 也能跑 pipeline 后端。第一步安装核心包uv 或 pip 均可pip install -U mineru[core]第二步处理模型源。MinerU 首次运行会下载解析模型默认从 HuggingFace 拉取国内网络环境建议先切换为 ModelScope# 当前 shell 生效可写入 ~/.bashrc 持久化 export MINERU_MODEL_SOURCEmodelscope第三步启动 WebUI# 监听所有网卡端口 7860Gradio 默认值 mineru-gradio --server-name 0.0.0.0 --server-port 7860启动成功后浏览器访问http://127.0.0.1:7860。有两个值得知道的机制不传--api-url时WebUI 会自动拉起一个可复用的本地mineru-api服务无需你手动启动后端传--api-url则直连已有的本地或远端服务适合把界面和算力分开部署。常用启动参数一览完整清单见 快速使用文档--max-convert-pages页面上“最大转换页数”滑杆的上限默认 1000--enable-vlm-preload true启动阶段预热 VLM 模型避免首次转换等待--enable-http-client true在界面上显示两个远程 http-client 后端--enable-example true加载当前目录examples/下的示例文件默认开启把测试 PDF 放进去即可一键体验--latex-delimiters-type渲染视图的 LaTeX 分隔符a为$、b为成对符号、all两者都认默认all其余命令行参数会透传给 vllm / lmdeploy 推理引擎 界面实操从上传文件到下载解析结果界面分左右两栏左侧控制、右侧出结果左栏控制区上传区粘贴或拖入文件Office 文件会切换为在线预览模式后端下拉框选择解析引擎切换后高级选项会联动变化页数滑杆限制本次转换的最大页数处理大文档前先压低它高级选项表格识别、公式识别、图片分析、解析强度Hybrid 专属、OCR 语言、强制 OCR 六个开关默认值对绝大多数文档是合理的。右栏预览与结果上方为原始文档预览转换时同步刷新下方三个标签页分别对应渲染视图、可复制的 Markdown 文本、JSON 内容列表公式按启动时配置的分隔符渲染。点击“转换”后状态面板按 准备请求 → 检查服务 → 提交任务 → 排队 → 解析中 → 下载结果 → 整理输出 → 完成 的顺序推进卡在哪一步基本能定位是哪类问题。完成后左栏的“结果文件”会出现一个 zip 包包含 Markdown、抽取出的图片和 JSON。⚙️ 后端模式怎么选参数怎么调后端决定“谁来读你的文档”是界面上最重要的选择后端原理特点适用场景pipeline传统多模型管道资源占用低、无幻觉、多语言稳定普通报告、扫描件、批量兜底vlm-engine多模态大模型端到端精度高中英文表现好显存需求更高论文、复杂版面hybrid-engine默认混合引擎精度最高可选 medium/high 解析强度质量优先的关键文档vlm / hybrid-http-client连接 OpenAI 兼容远端服务本地几乎不占算力已有 GPU 推理服务的分布式部署拿不准时的选择思路值得调的参数与环境变量环境变量优先级高于界面选项且对所有 MinerU 命令行工具生效export MINERU_DEVICE_MODEcuda:0 # 指定推理设备 export MINERU_VIRTUAL_VRAM_SIZE8 # 虚拟显存上限GB显存紧张时压低 export MINERU_PROCESSING_WINDOW_SIZE32 # 处理窗口影响大文档内存占用 export MINERU_LOG_LEVELDEBUG # 排障时打开详细日志表格/公式开关关掉后对应内容会以图片形式保留版面位置不变解析强度仅 Hybridmedium 快high 更准但更慢OCR 语言仅 pipeline 显示必须与扫描件语种一致否则识别质量明显下降。按场景给配置建议学术论文、含公式表格hybrid-engine强度选 high公式和表格识别都保持开启英文文献在 pipeline 后端下把 OCR 语言切到en。扫描件与多语言混排pipeline 最稳按文档主语言设置 OCR 语言识别极差时再勾选强制 OCR而不是先怀疑模型。大批量、跑吞吐WebUI 适合抽查与演示批量自动化建议直接走mineru命令行或mineru-api服务二者与 WebUI 共用同一套解析引擎。本地只有 CPU选 pipeline 或 vlm-http-client 接远端服务避免加载大模型导致内存吃紧。 故障排查启动失败、模型下载慢与识别不准现象常见原因处理办法启动失败提示端口被占用7860 已被占用--server-port 7861换端口模型下载慢或失败默认模型源网络不通export MINERU_MODEL_SOURCEmodelscope或用mineru-models-download预下载后设MINERU_MODEL_SOURCElocal显存/内存不足报错文档页数过大压低“最大转换页数”或--max-convert-pages换 pipeline 后端设置MINERU_VIRTUAL_VRAM_SIZE扫描件识别差、乱码OCR 语言与文档不符高级选项中选择正确的 OCR 语言必要时开强制 OCR首次转换长时间无响应本地 mineru-api 冷启动 模型加载属正常现象用--enable-vlm-preload true可把预热提前到启动阶段界面语言不符合预期默认按浏览器语言缺失时回退中文设置MINERU_GRADIO_DEFAULT_LOCALEen排障时建议开MINERU_LOG_LEVELDEBUG再看一遍启动日志状态面板显示“排队”较久则是并发上限所致可用MINERU_API_MAX_CONCURRENT_REQUESTS调整。输出文件与进阶路线WebUI 每次转换在工作目录下生成一个独立运行目录默认./output/gradio/run_id/页面下载的 zip 与其中的文件一致根路径可通过MINERU_API_OUTPUT_ROOT环境变量修改。界面实现位于mineru/cli/gradio_app.py后端清单定义在mineru/cli/backend_options.py需要定制时可以从这里入手。MinerU Gradio WebUI 把 PDF 可视化解析收敛成了“上传、选后端、转换、下载”四步同时保留了环境变量级别的调优空间。如果只记一条建议当解析结果不理想时先切换后端和 OCR 语言这两个选项它们带来的改善通常大于任何参数微调。【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 可视化 PDF 解析完整指南
MinerU 可视化 PDF 解析完整指南【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 PDF 变成可供大模型使用的 MarkdownMinerU Gradio WebUI 提供了一条不需要记忆命令行参数的路径。它是 MinerU 附带的可视化 PDF 解析界面安装 MinerU 后一条命令即可启动在浏览器中上传文档、调整选项、点击转换就能得到带版面结构的 Markdown 和结构化 JSON也就是常说的 PDF 转 Markdown 工作流。先看它能做什么输入范围广支持 PDF、常见图片格式以及 DOCX、PPTX、XLSX 等 Office 文档可拖拽、点击选择或直接粘贴上传。输出直接可用结果同时提供渲染后的 Markdown、原始 Markdown 文本和 JSON 内容列表页面上直接复制也能下载整个结果压缩包。解析过程透明版面区域、公式、表格在解析时会被识别和标注转换状态面板会实时显示当前进行到哪一步。界面上每个选项背后都对应一个真实的解析行为后文会逐一说明。整体解析流程由多种模型协作完成示意如下 安装与首次启动 MinerU Gradio WebUI环境要求不高Python 3.10、16GB 内存起步有 NVIDIA 显卡8GB 显存以上时 VLM 类后端可用纯 CPU 也能跑 pipeline 后端。第一步安装核心包uv 或 pip 均可pip install -U mineru[core]第二步处理模型源。MinerU 首次运行会下载解析模型默认从 HuggingFace 拉取国内网络环境建议先切换为 ModelScope# 当前 shell 生效可写入 ~/.bashrc 持久化 export MINERU_MODEL_SOURCEmodelscope第三步启动 WebUI# 监听所有网卡端口 7860Gradio 默认值 mineru-gradio --server-name 0.0.0.0 --server-port 7860启动成功后浏览器访问http://127.0.0.1:7860。有两个值得知道的机制不传--api-url时WebUI 会自动拉起一个可复用的本地mineru-api服务无需你手动启动后端传--api-url则直连已有的本地或远端服务适合把界面和算力分开部署。常用启动参数一览完整清单见 快速使用文档--max-convert-pages页面上“最大转换页数”滑杆的上限默认 1000--enable-vlm-preload true启动阶段预热 VLM 模型避免首次转换等待--enable-http-client true在界面上显示两个远程 http-client 后端--enable-example true加载当前目录examples/下的示例文件默认开启把测试 PDF 放进去即可一键体验--latex-delimiters-type渲染视图的 LaTeX 分隔符a为$、b为成对符号、all两者都认默认all其余命令行参数会透传给 vllm / lmdeploy 推理引擎 界面实操从上传文件到下载解析结果界面分左右两栏左侧控制、右侧出结果左栏控制区上传区粘贴或拖入文件Office 文件会切换为在线预览模式后端下拉框选择解析引擎切换后高级选项会联动变化页数滑杆限制本次转换的最大页数处理大文档前先压低它高级选项表格识别、公式识别、图片分析、解析强度Hybrid 专属、OCR 语言、强制 OCR 六个开关默认值对绝大多数文档是合理的。右栏预览与结果上方为原始文档预览转换时同步刷新下方三个标签页分别对应渲染视图、可复制的 Markdown 文本、JSON 内容列表公式按启动时配置的分隔符渲染。点击“转换”后状态面板按 准备请求 → 检查服务 → 提交任务 → 排队 → 解析中 → 下载结果 → 整理输出 → 完成 的顺序推进卡在哪一步基本能定位是哪类问题。完成后左栏的“结果文件”会出现一个 zip 包包含 Markdown、抽取出的图片和 JSON。⚙️ 后端模式怎么选参数怎么调后端决定“谁来读你的文档”是界面上最重要的选择后端原理特点适用场景pipeline传统多模型管道资源占用低、无幻觉、多语言稳定普通报告、扫描件、批量兜底vlm-engine多模态大模型端到端精度高中英文表现好显存需求更高论文、复杂版面hybrid-engine默认混合引擎精度最高可选 medium/high 解析强度质量优先的关键文档vlm / hybrid-http-client连接 OpenAI 兼容远端服务本地几乎不占算力已有 GPU 推理服务的分布式部署拿不准时的选择思路值得调的参数与环境变量环境变量优先级高于界面选项且对所有 MinerU 命令行工具生效export MINERU_DEVICE_MODEcuda:0 # 指定推理设备 export MINERU_VIRTUAL_VRAM_SIZE8 # 虚拟显存上限GB显存紧张时压低 export MINERU_PROCESSING_WINDOW_SIZE32 # 处理窗口影响大文档内存占用 export MINERU_LOG_LEVELDEBUG # 排障时打开详细日志表格/公式开关关掉后对应内容会以图片形式保留版面位置不变解析强度仅 Hybridmedium 快high 更准但更慢OCR 语言仅 pipeline 显示必须与扫描件语种一致否则识别质量明显下降。按场景给配置建议学术论文、含公式表格hybrid-engine强度选 high公式和表格识别都保持开启英文文献在 pipeline 后端下把 OCR 语言切到en。扫描件与多语言混排pipeline 最稳按文档主语言设置 OCR 语言识别极差时再勾选强制 OCR而不是先怀疑模型。大批量、跑吞吐WebUI 适合抽查与演示批量自动化建议直接走mineru命令行或mineru-api服务二者与 WebUI 共用同一套解析引擎。本地只有 CPU选 pipeline 或 vlm-http-client 接远端服务避免加载大模型导致内存吃紧。 故障排查启动失败、模型下载慢与识别不准现象常见原因处理办法启动失败提示端口被占用7860 已被占用--server-port 7861换端口模型下载慢或失败默认模型源网络不通export MINERU_MODEL_SOURCEmodelscope或用mineru-models-download预下载后设MINERU_MODEL_SOURCElocal显存/内存不足报错文档页数过大压低“最大转换页数”或--max-convert-pages换 pipeline 后端设置MINERU_VIRTUAL_VRAM_SIZE扫描件识别差、乱码OCR 语言与文档不符高级选项中选择正确的 OCR 语言必要时开强制 OCR首次转换长时间无响应本地 mineru-api 冷启动 模型加载属正常现象用--enable-vlm-preload true可把预热提前到启动阶段界面语言不符合预期默认按浏览器语言缺失时回退中文设置MINERU_GRADIO_DEFAULT_LOCALEen排障时建议开MINERU_LOG_LEVELDEBUG再看一遍启动日志状态面板显示“排队”较久则是并发上限所致可用MINERU_API_MAX_CONCURRENT_REQUESTS调整。输出文件与进阶路线WebUI 每次转换在工作目录下生成一个独立运行目录默认./output/gradio/run_id/页面下载的 zip 与其中的文件一致根路径可通过MINERU_API_OUTPUT_ROOT环境变量修改。界面实现位于mineru/cli/gradio_app.py后端清单定义在mineru/cli/backend_options.py需要定制时可以从这里入手。MinerU Gradio WebUI 把 PDF 可视化解析收敛成了“上传、选后端、转换、下载”四步同时保留了环境变量级别的调优空间。如果只记一条建议当解析结果不理想时先切换后端和 OCR 语言这两个选项它们带来的改善通常大于任何参数微调。【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