MinerU是上海人工智能实验室OpenDataLab团队推出的开源智能数据提取工具，专注于复杂PDF文档的高效解析与提取。MinerU能将包含图片、公式、表格等元素的多模态PDF文档转化为易于分析的Markdown格式，支持从网页和电子书中提取内容，提高AI语料准备效率。

MinerU. Document Extraction/Conversion Tool for the AI Era. Intelligent parsing of various documents including PDF, Word, PPT, etc., applicable for machine learning, large model corpus production, RAG and other scenarios

2024年7月，上海人工智能实验室 OpenDataLab 团队正式推出了智能数据提取工具——MinerU。 具备将混合图片、公式、表格、脚注等在内的复杂多模态 PDF 文档转化为 Markdown 格式的能力，可大幅提升AI语料的准备效率。 凭借快速准确、开源易用的能力特性，MinerU受到广大用户及大模型开发者青睐， 上线五个月，GitHub星标数已接近2.5万，被开发者誉为“大模型时代的文档提取、转换神器”。 用户使用方式. 为了让广大用户能够更轻松地使用MinerU，OpenDataLab推出 …

MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 MinerU诞生于 书生-浦语 的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。

为满足大模型对大规模高质量训练数据的需求，上海人工智能实验室OpenDataLab团队构建出智能数据提取工具MinerU，具备多类型转换、多语言识别、多元素解析、高质量提取功能。 由MinerU参与提取的数据，率先应用于书生·浦语、书生·万象等大模型训练中，助力模型取得了优异的性能。 MinerU上线五个月，GitHub星标数已接近2.5万，被开发者誉为“大模型时代的文档提取、转换神器”。 如同MinerU专属标识“U”所表达的期待，OpenDataLab将持续以用户（Uesr）和 …

2025年2月17日 · MinerU是上海人工智能实验室OpenDataLab团队推出的开源智能数据提取工具，专注于复杂PDF文档的高效解析与提取。MinerU能将包含图片、公式、表格等元素的多模态PDF文档转化为易于分析的Markdown格式，支持从网页和电子书中提取内容，提高AI语料准备效 …

MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 MinerU诞生于 书生-浦语 的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。

MinerU是一款功能强大且灵活的智能文档解析工具，通过其API和命令行工具，用户可以高效地将PDF转换为结构化数据格式。 在AI和大语言模型快速发展的今天，MinerU的价值不仅体现在传统的文档处理领域，更在于其为LLM提供高质量训练数据的能力。

安装前准备项目官方网站为 MinerU official site。所需软件需要安装 git, python 3.10, cuda，无需安装conda和pycharm。(甚至git也不是必须的)本教程(几乎)完全基于powershell命令行进行。 项目放置位置部署MinerU…

2024年8月14日 · 寻找一个可以做pdf文档解析的开源项目，要求可以提供pdf解析接口，供文档系统调用。 MinerU开源项目本身时没有开放接口请求，需要做二次开发。 其中 requirements.txt 文件中有原始的依赖包，如果二次开发中有新添加的包或者发现运行时少的模块，都可以方放进去。 # 将项目文件复制到工作目录 . #安装detectron2 RUN pip install /app/detectron/detectron2-0.6-cp310-cp310-linux_x86_64.whl.