趣软酷站｜开源社区评价30.6K！从PDF到网页“大模型时代的文档提取、转换神器”- MinerU免费全能的文档解析神器

在当今数字化信息爆炸的时代，处理各种格式的文档已成为许多人的日常挑战。无论是学术研究者需要整理大量PDF论文，企业员工需要提取合同中的关键数据，还是内容创作者希望将网页文章转换为可编辑格式，文档处理工具的需求无处不在。

MinerU作为一款国产开源的全能文档解析工具，正是为解决这些痛点而生，专注于从复杂PDF文档、网页和电子书中高效提取内容。

趣软酷站｜开源社区评价30.6K！从PDF到网页“大模型时代的文档提取、转换神器”- MinerU免费全能的文档解析神器

作为一个一站式文档处理平台，MinerU主要由两大模块组成：

Magic-PDF：专注于PDF文档的智能解析与转换
Magic-Doc：处理网页和多种电子书格式的提取工作3

这款工具自2024年7月正式推出以来，凭借其高效准确的解析能力和开源易用的特性，迅速获得了广大用户和大模型开发者的青睐。上线仅五个月，其GitHub星标数就接近2.5万，被开发者誉为”大模型时代的文档提取、转换神器“。

为什么选择MinerU？——五大核心优势解析

1. 强大的格式支持能力｜全格式兼容【PDF/Word/PPT/图片等一网打尽，拖拽/截图/批量上传，一键导入】

MinerU支持处理多种文档类型，包括但不限于：

PDF文档：学术论文、教科书、研究报告、财务报告、考题等
电子书：epub、mobi等多种流行格式
网页内容：可直接解析网页中的文本、图像、表格和公式信息

特别值得一提的是，MinerU不仅能处理标准PDF，还能应对扫描版PDF和加密版文档的解析挑战，这在同类工具中实属难得。

2. 精准的内容提取与结构保留

与普通PDF转换工具不同，MinerU能够智能识别并保留原文档的结构，包括：

标题层级关系
段落分布
列表项目
多栏排版布局

同时，它能自动去除干扰元素，如页眉、页脚、脚注和页码，确保提取出的内容干净整洁，便于后续使用。

3. 多元素精准解析【精准定位图表/公式等复杂元素，多模态解析精准提取】

MinerU真正强大的地方在于其对文档中多种元素类型的识别能力：

文本内容：支持84种语言识别（最新版本支持176种语言），自动检测并转换乱码
数学公式：可检测文档中的行内公式和块公式，并将其转换为LaTeX格式
表格数据：能识别复杂表格结构，转换为HTML或Markdown格式
图片内容：提取文档中的图像并保留在输出结果中

这种多模态解析能力使得MinerU特别适合处理学术论文、技术文档等包含复杂内容的材料。

4. 灵活的输出选项｜多场景极速输出【Markdown/JSON/LaTeX/HTML等一键转换、适配机器学习、大模型语料生产、RAG等场景】

根据用户不同需求，MinerU提供多种输出格式：

Markdown：适合写作、笔记和内容发布
JSON：便于程序进一步处理和分析
HTML：适合网页展示
LaTeX：满足科研人员的专业需求

用户还可以获取包含丰富信息的中间格式文件，如layout.json（版面识别结果）、model.json（元素识别结果）等，为深度开发提供可能。

5. 跨平台与开源优势

MinerU支持Windows、Linux和macOS三大操作系统，无论是个人电脑还是服务器环境都能运行。作为开源工具，它允许开发者自由查看和修改代码，也意味着用户可以完全掌控自己的数据，不必担心隐私泄露问题。

MinerU的核心功能详解

1. PDF文档的智能处理

作为MinerU的核心功能，Magic-PDF模块提供了全方位的PDF解析能力：

结构保持与清理

自动识别并删除页眉、页脚、页码等非主要内容
保留原始文档的标题层级、段落结构和列表格式
智能处理单栏和多栏排版，输出顺序符合人类阅读习惯

内容提取与转换

文字提取：支持84种（最新版176种）语言识别，自动处理乱码
公式转换：将数学公式精准识别为LaTeX代码
表格处理：将PDF中的表格转换为HTML或Markdown格式
图片提取：保留文档中的图像并嵌入输出文件

特殊场景支持

扫描版PDF：自动检测并应用OCR技术提取文字
加密文档：支持部分加密PDF的解析
大体积文件：优化了处理算法，能高效处理数百页的长文档

2. 网页与电子书的内容提取

Magic-Doc模块扩展了MinerU的应用场景：

网页内容提取

精确解析网页文本、图像、表格和公式
保留原文结构和语义关系
支持从动态加载的网页中提取内容

电子书转换

支持epub、mobi等多种电子书格式
完整提取文本和图像内容
保持原书的章节结构和阅读顺序

3. 多语言支持

MinerU的多语言识别能力是其一大亮点：

支持中文（简体和繁体）、英文、俄语、日语、韩语等176种语言
自动检测文档语言类型
混合语言文档处理能力

这一特性使其成为处理国际化文档的理想工具，特别适合跨国公司、外语学习者和多语言研究者。

MinerU的使用方式

1. 图形界面客户端（适合普通用户）

为了让非技术用户也能轻松使用，MinerU提供了跨平台的桌面客户端：

支持Windows、macOS和Linux系统
下载安装即可使用，无需编程知识
操作简单：拖放文件到界面或输入URL即可开始转换
支持PDF、Word、PPT等多种文档格式
提供多种识别模式和语言配置选项

五、MinerU的应用场景

1. 学术研究

文献管理：快速提取论文中的关键内容，建立知识库
笔记整理：将PDF讲义转换为可编辑的Markdown格式
公式处理：自动识别数学公式并转为LaTeX，节省输入时间

2. 企业办公

合同解析：从法律文书中提取关键条款和日期
报告处理：自动分析财务报告中的表格数据
知识管理：构建企业内部文档知识库

3. 内容创作

素材收集：从网页和电子书中提取可用内容
格式转换：将各种文档统一为Markdown便于发布
多语言内容：处理外文资料无需担心编码问题

4. 技术开发

数据预处理：为机器学习准备高质量的文本语料
文档自动化：集成到CI/CD流程中处理技术文档
RAG应用：为大模型提供结构化的文档输入

MinerU与同类工具的比较

为了帮助用户理解MinerU的独特价值，以下是它与常见文档处理工具的对比：

特性	MinerU	常规PDF转换器	专业OCR软件
结构保留	优秀	一般	较差
公式处理	支持LaTeX输出	不支持	不支持
表格识别	高精度	低精度	中等精度
多语言支持	176种语言	有限	视软件而定
开源免费	是	部分	通常收费
输出格式多样性	多种	有限	通常单一
网页/电子书支持	有	无	无

从对比可见，MinerU在功能全面性和处理精度上具有明显优势，特别是对于学术和技术文档的处理能力远超普通转换工具。

MinerU作为一款国产开源的文档解析工具，凭借其全面的功能、精准的解析能力和便捷的使用方式，已经成为许多用户处理复杂文档的首选。无论是学术研究者、内容创作者、企业员工还是开发者，都能从中找到适合自己的应用场景。

它的核心价值在于：

节省时间：自动化处理繁琐的文档转换工作
提高质量：精准保留原文结构和专业内容
扩展可能：为数据分析和知识管理提供结构化输入
完全掌控：开源特性保障数据隐私和定制自由

更新记录

2025/04/29 1.3.10 发布
支持使用自定义公式标识符，可通过修改用户目录下的magic-pdf.json文件中的latex-delimiter-config项实现。
锁定pdfminer.six至20250324版本，以避免新版本导致的解析失败问题。
2025/04/27 1.3.9 发布
优化公式解析功能，提升公式渲染的成功率
更新pdfminer.six到最新版本，修复了部分pdf解析异常问题
2025/04/23 1.3.8 发布
ocr默认模型(ch)更新为PP-OCRv4_server_rec_doc（需更新模型）
PP-OCRv4_server_rec_doc是在PP-OCRv4_server_rec的基础上，在更多中文文档数据和PP-OCR训练数据的混合数据训练而成，增加了部分繁体字、日文、特殊字符的识别能力，可支持识别的字符为1.5万+，除文档相关的文字识别能力提升外，也同时提升了通用文字的识别能力。
PP-OCRv4_server_rec_doc/PP-OCRv4_server_rec/PP-OCRv4_mobile_rec 性能对比
经验证，PP-OCRv4_server_rec_doc模型在中英日繁单种语言或多种语言混合场景均有明显精度提升，且速度与PP-OCRv4_server_rec相当，适合绝大部分场景使用。
PP-OCRv4_server_rec_doc在小部分纯英文场景可能会发生单词粘连问题，PP-OCRv4_server_rec则在此场景下表现更好，因此我们保留了PP-OCRv4_server_rec模型，用户可通过增加参数lang=’ch_server'(python api)或–lang ch_server(命令行)调用。
2025/04/22 1.3.7 发布
修复表格解析模型初始化时lang参数失效的问题
修复在cpu模式下ocr和表格解析速度大幅下降的问题
2025/04/16 1.3.4 发布
通过移除一些无用的块，小幅提升了ocr-det的速度
修复部分情况下由footnote导致的页面内排序错误
2025/04/12 1.3.2 发布
修复了windows系统下，在python3.13环境安装时一些依赖包版本不兼容的问题
优化批量推理时的内存占用
优化旋转90度表格的解析效果
优化财报样本中超大表格的解析效果
修复了在未指定OCR语言时，英文文本区域偶尔出现的单词黏连问题（需要更新模型）
2025/04/08 1.3.1 发布，修复了一些兼容问题
支持python 3.13
为部分过时的linux系统（如centos7）做出最后适配，并不再保证后续版本的继续支持，安装说明
2025/04/03 1.3.0 发布，在这个版本我们做出了许多优化和改进：
安装与兼容性优化
通过移除layout中layoutlmv3的使用，解决了由detectron2导致的兼容问题
torch版本兼容扩展到2.2~2.6(2.5除外)
cuda兼容支持11.8/12.4/12.6/12.8（cuda版本由torch决定），解决部分用户50系显卡与H系显卡的兼容问题
python兼容版本扩展到3.10~3.12，解决了在非3.10环境下安装时自动降级到0.6.1的问题
优化离线部署流程，部署成功后不需要联网下载任何模型文件
性能优化
通过支持多个pdf文件的batch处理（脚本样例），提升了批量小文件的解析速度 (与1.0.1版本相比，公式解析速度最高提升超过1400%，整体解析速度最高提升超过500%)
通过优化mfr模型的加载和使用，降低了显存占用并提升了解析速度(需重新执行模型下载流程以获得模型文件的增量更新)
优化显存占用，最低仅需6GB即可运行本项目
优化了在mps设备上的运行速度
解析效果优化
mfr模型更新到unimernet(2503)，解决多行公式中换行丢失的问题
易用性优化
通过使用paddleocr2torch，完全替代paddle框架以及paddleocr在项目中的使用，解决了paddle和torch的冲突问题，和由于paddle框架导致的线程不安全问题
解析过程增加实时进度条显示，精准把握解析进度，让等待不再痛苦
2025/03/03 1.2.1 发布，修复了一些问题
2025/02/24 1.2.0 发布，这个版本我们修复了一些问题，提升了解析的效率与精度：
2025/01/22 1.1.0 发布，在这个版本我们重点提升了解析的精度与效率：
2025/01/10 1.0.1 发布，这是我们的第一个正式版本，在这个版本中，我们通过大量重构带来了全新的API接口和更广泛的兼容性，以及全新的自动语言识别功能：
2024/11/22 0.10.0发布，通过引入混合OCR文本提取能力，
2024/11/15 0.9.3发布，为表格识别功能接入了RapidTable,单表解析速度提升10倍以上，准确率更高，显存占用更低
2024/11/06 0.9.2发布，为表格识别功能接入了StructTable-InternVL2-1B模型
2024/10/31 0.9.0发布，这是我们进行了大量代码重构的全新版本，解决了众多问题，提升了性能，降低了硬件需求，并提供了更丰富的易用性：
2024/09/27 0.8.1发布，修复了一些bug，同时提供了在线demo的本地化部署版本和前端界面
2024/09/09 0.8.0发布，支持Dockerfile快速部署，同时上线了huggingface、modelscope demo
2024/08/30 0.7.1发布，集成了paddle tablemaster表格识别功能
2024/08/09 0.7.0b1发布，简化安装步骤提升易用性，加入表格识别功能
2024/08/01 0.6.2b1发布，优化了依赖冲突问题和安装文档
2024/07/05 首次开源