MinerU使用

•  什么是MinerU:

MinerU 专注于高效解析和提取复杂的 PDF 文档、网页和电子书，并将其转换为易于分析的 Markdown 或JSON 格式。由 上海人工智能实验室OpenDataLab 团队 开发。
主要功能包括：
• PDF 转 Markdown
支持多模态 PDF（含图片、表格、公式等）的结构化转换。
自动去除页眉、页脚、脚注等干扰信息，保留标题、段落、列表等结构。
公式识别并转换为 LaTeX 格式，表格转换为 HTML 或 Markdown。
• 网页内容提取：从网页中剔除广告等干扰信息，精准提取正文、评论、视频文字等内容。
• 电子书转换：支持 epub、mobi、docx、pptx、chm、azw 等格式批量转 Markdown。
• 多语言 OCR：自动检测扫描版 PDF 和乱码，支持 84 种语言 的 OCR 识别

在线使用：https://mineru.net/OpenSourceTools/Extractor

客户端：https://mineru.net/client

API：https://mineru.net/apiManage

• MinerU使用(私有化部署)

Step1，安装magic-pdf

pip install -U "magic-pdf[full]"

Step2, 下载依赖的models

使用modelscope快速下载各种models

python download_models.py

Step3,推理pdf

magic-pdf pdf-command --pdf "file name" --inside_model true --model_mode full