项目简介
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
快速开始
如果安装或使用中遇到任何问题，请先查询 FAQ
如果遇到解析效果不及预期，参考 Known Issues
在线体验
官网在线应用
官网在线版功能与客户端一致，界面美观，功能丰富，需要登录使用
OpenDataLab
基于Gradio的在线demo
基于gradio开发的webui，界面简洁，仅包含核心解析功能，免登录
ModelScope
HuggingFace
本地部署
Warning
安装前必看——软硬件环境支持说明
为了确保项目的稳定性和可靠性，我们在开发过程中仅对特定的软硬件环境进行优化和测试。这样当用户在推荐的系统配置上部署和运行项目时，能够获得最佳的性能表现和最少的兼容性问题。
通过集中资源和精力于主线环境，我们团队能够更高效地解决潜在的BUG，及时开发新功能。
在非主线环境中，由于硬件、软件配置的多样性，以及第三方依赖项的兼容性问题，我们无法100%保证项目的完全可用性。因此，对于希望在非推荐环境中使用本项目的用户，我们建议先仔细阅读文档以及FAQ，大多数问题已经在FAQ中有对应的解决方案，除此之外我们鼓励社区反馈问题，以便我们能够逐步扩大支持范围。
解析后端 pipeline vlm-transformers vlm-sglang
操作系统 Linux / Windows / macOS Linux / Windows Linux / Windows (via WSL2)
CPU推理支持 ✅ ❌
GPU要求 Turing及以后架构，6G显存以上或Apple Silicon Turing及以后架构，8G显存以上
内存要求 最低16G以上，推荐32G以上
磁盘空间要求 20G以上，推荐使用SSD
python版本 3.10-3.13
安装 MinerU
使用pip或uv安装MinerU
pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple pip install uv -i https://mirrors.aliyun.com/pypi/simple uv pip install -U "mineru[core]" -i https://mirrors.aliyun.com/pypi/simple
通过源码安装MinerU
git clone https://github.com/opendatalab/MinerU.git cd MinerU uv pip install -e .[core] -i https://mirrors.aliyun.com/pypi/simple Tip
mineru[core]包含除sglang加速外的所有核心功能，兼容Windows / Linux / macOS系统，适合绝大多数用户。 如果您有使用sglang加速VLM模型推理，或是在边缘设备安装轻量版client端等需求，可以参考文档扩展模块安装指南。
使用docker部署Mineru
MinerU提供了便捷的docker部署方式，这有助于快速搭建环境并解决一些棘手的环境兼容问题。 您可以在文档中获取Docker部署说明。
使用 MinerU
最简单的命令行调用方式:
mineru -p <input_path> -o <output_path>
您可以通过命令行、API、WebUI等多种方式使用MinerU进行PDF解析，具体使用方法请参考使用指南。
TODO https://github.com/opendatalab/MinerU
- 本文固定链接: https://xmsdn.com/11.html
- 转载请注明: GITHUB 于 github开源项目 - 免费开源系统 发表
