MinerU：开源高精度文档解析工具 PDF/Word/PPT 一键转 Markdown

�MinerUnerU 是什么

MinerU 是由上海人工智能实验室 OpenDataLab 团队开发的开源智能文档解析引擎，专为 LLM�Markdown� Agent 工作流设计。它能将 PDF、Word、PPT、Excel、图片甚至网页 URL 等多种格式的文档，高精度转换为 Markdown 和 JSON 等机器可读格式，让 AI 轻松 “阅读” 复杂排版的文档。

项目自开源以来热度持续攀升，GitHub 星标已突破 60k，曾登上 GitHub Trending 榜首，被誉为大模型时代的文档提取转换神器。

• 官网：https://mineru.net/
• GitHub：https://github.com/opendatalab/MinerU
• 开源协议：AGPL-3.0

二、核心功能

1. 全格式兼容 支持 PDF、图片、DOCX、PPTX、XLSX 以及网页 URL 一键解析，覆盖日常办公和学术研究的绝大多数文档场景。

2. 高精度版面还原 基于深度学习的文档理解模型，能精准识别标题、正文、列表、段落等文档结构，自动去除页眉、页脚、脚注、页码等干扰元素，输出符合人类阅读顺序的文本。单栏、多栏、复杂混排都能轻松应对。

3. 公式与表格智能识别 自动识别文档中的数学公式并转换为 LaTeX 格式，表格转换为 HTML 格式，完美保留学术论文、技术报告中的公式和表格结构，不再是乱码或图片。

4. 强大的 OCR 能力 自动检测扫描版 PDF 和乱码 PDF 并启用 OCR 功能，支持 84 种语言的检测与识别，哪怕是纯图片扫描件也能精准提取文字内容。

5. 内置 PDF 翻译 2.0 版本内置翻译功能，支持多引擎翻译、原文译文对照，无需额外工具即可完成 “解析 + 翻译” 的完整工作流。

6. Agent 友好 全面支持主流 Agent 框架与 MCP 协议，高并发毫秒级响应，可无缝接入 AI 应用工作流，是构建 RAG 知识库和文档问答系统的理想前端解析工具。

三、多种使用方式

网页版：直接访问mineru.net，上传文档即可在线解析，无需安装任何软件，适合偶尔使用的用户。

桌面客户端：提供 Windows、Mac、Linux 桌面端，拖拽文件即可解析，支持批量处理，适合日常高频使用。

命令行 / API：开发者可通过 pip 安装 mineru 包，用命令行或 API 接口批量处理文档，支持本地 CPU/GPU/NPU 部署，数据不出本机，适合对隐私和性能有要求的场景。

四、适用场景

• 学术研究：论文 PDF 批量转 Markdown，方便做笔记和二次整理
• RAG 知识库：构建企业知识库前的文档结构化预处理
• 数据抽取：从财务报表、合同、技术文档中精准提取表格和关键信息
• 文档翻译：扫描件和 PDF 的结构化翻译
• 电子书制作：将各类文档统一转换为 Markdown 后再排版输出

五、总结

MinerU 是目前开源文档解析领域的标杆项目，尤其在中文文档和复杂版面的处理上表现出色。相比传统的 PDF 转文字工具，它不仅仅是 OCR，而是从版面理解到结构还原的完整文档智能解析方案。对于需要处理大量文档、构建 AI 知识库或做数据抽取的开发者和研究者来说，MinerU 是一款值得一试的利器。