MinerU是由上海人工智能实验室（OpenDataLab）开发的一款开源智能文档解析工具。它专注于高效、精准地提取PDF文档、网页和电子书内容，并将其转换为机器可读的结构化格式，如Markdown和JSON。主要功能包括去除页眉页脚、保留阅读顺序、提取标题、段落、列表、图像、表格及公式（转换为LaTeX），并支持OCR识别84种语言。MinerU可部署在CPU环境，并支持GPU/NPU加速，兼容Windows、Linux和Mac平台。安装部署过程包括环境准备、源码安装、模型下载及推理框架配置，并提供了FastAPI和Gradio WebUI两种使用方式，同时支持通过配置文件扩展功能。

📄 **高效智能解析**：MinerU能够智能地从PDF文档、网页和电子书中提取内容，并将其转换为结构化格式（如Markdown、JSON），极大地提高了信息处理的效率。它能自动处理页眉、页脚、脚注和页码等干扰元素，确保提取内容的语义连贯性。

🖼️ **多元素提取与格式转换**：该工具不仅提取文本信息，还能识别并提取图像、图片描述、表格（转换为HTML）、表格标题及脚注。特别之处在于，它能自动识别并将文档中的公式转换为LaTeX格式，为需要精确数学表达的场景提供了便利。

🌐 **强大的OCR与多语言支持**：MinerU具备先进的OCR功能，能够检测和识别扫描版PDF和乱码PDF。其OCR引擎支持多达84种语言的检测与识别，大大拓宽了其在跨语言文档处理方面的应用范围。

💻 **灵活的部署与加速**：MinerU支持纯CPU环境运行，同时兼容GPU(CUDA)/NPU(CANN)/MPS硬件加速，显著提升了处理速度。它跨平台兼容Windows、Linux和Mac系统，并且提供了FastAPI和Gradio WebUI等多种易于集成的调用方式。

⚙️ **可扩展的配置选项**：用户可以通过编辑`mineru.json`文件来扩展MinerU的功能，例如自定义LaTeX公式分隔符、配置LLM辅助标题分级（兼容OpenAI协议模型），以及指定本地模型存储目录，满足个性化的使用需求。

一、介绍

MinerU 是由上海人工智能实验室（OpenDataLab）团队开发的一款开源智能文档解析工具，专注于将复杂的PDF文档、网页和电子书内容，高效、精准地提取并转换为机器可读的结构化格式（如Markdown、JSON等），可以很方便地抽取为任意格式。

主要功能

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 84 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支持纯 CPU 环境运行，并支持 GPU(CUDA)/NPU(CANN)/MPS 加速兼容 Windows、Linux 和 Mac 平台

二、部署

1、基础环境

Miniconda3Ubuntu:22.04cuda12.4.14090D

2、安装 MinerU

通过源码安装MinerU，首先创建虚拟环境，然后安装UV，克隆MinerU的源码，最后UV来安装

conda create -n mineru python=3.12 -yconda activate minerupip install uv -i https://mirrors.aliyun.com/pypi/simplegit clone https://github.com/opendatalab/MinerU.gitcd MinerUuv pip install -e .[all] -i https://mirrors.aliyun.com/pypi/simple

3、模型下载

MinerU默认使用huggingface作为模型源，若用户网络无法访问huggingface，可以通过环境变量便捷地切换模型源为modelscope；

export MINERU_MODEL_SOURCE=modelscope

使用命令下载模型到本地，查看命令使用情况。下载好的模型目录通过 mineru.json 来调用，ineru.json 文件会在您使用内置模型下载命令 mineru-models-download 时自动生成，生成在用户目录，当前使用root用户，生成位置为 /root/mineru.json。

mineru-models-download --helpmineru-models-download

默认模型下载位置，若需要修改模型位置，可以移动模型到其它位置，然后修改 mineru.json文件。

4、推理框架

pipeline：代码中集成，不需要启动后端

vlm-transformers：代码中集成，不需要启动后端

vlm-sglang（推荐）：需要启动后端，速度快

mineru-sglang-server --port 30000 --model-path /root/.cache/modelscope/hub/models/OpenDataLab/MinerU2___0-2505-0___9B --max-running-requests 64 --mem-fraction-static 0.75 --weight-loader-disable-mmap

5、使用

通过fast api 方式调用。

mineru-api --host 0.0.0.0 --port 8080

通过访问 /docs 可以查看调用方式。

（推荐）使用gradio webui。

mineru-gradio --server-name 0.0.0.0 --server-port 8080

在浏览器中访问 http://127.0.0.1:8080 使用 Gradio WebUI。

访问 http://127.0.0.1:8080/?view=api 使用 Gradio API。

已修改默认使用 sglang环境

5、配置文件扩展 MinerU 功能

通过编辑用户目录下的 mineru.json 文件，添加自定义配置。

latex-delimiter-config：用于配置 LaTeX 公式的分隔符，默认为 $ 符号，可根据需要修改为其他符号或字符串。llm-aided-config：用于配置 LLM 辅助标题分级的相关参数，兼容所有支持 openai协议 的 LLM 模型，默认使用 阿里云百炼 的 qwen2.5-32b-instruct 模型，您需要自行配置 API 密钥并将 enable 设置为 true 来启用此功能。models-dir：用于指定本地模型存储目录，请为 pipeline 和 vlm 后端分别指定模型目录，指定目录后您可通过配置环境变量 export MINERU_MODEL_SOURCE=local 来使用本地模型。