在数字化时代，高效地从纸张或电子文档中提取结构化数据已成为提升工作效率的关键。MinerU 作为一款开源文档解析工具，集成了先进的模型与灵活的后处理能力，为纸媒文档解析与数据提取提供了高精度、易用的一站式解决方案。本教程将带你全面了解 MinerU 的核心功能、安装方法、应用场景以及常见问题，助你快速上手。
什么是 MinerU？
MinerU 是一款专注于高质量数据提取的开源文档解析工具，旨在将多种文档格式转换为机器可读的结构化数据。它支持包括 PDF、Word 文档（.doc 和 .docx）、PowerPoint 演示文稿（.ppt 和 .pptx）以及 图像（.jpg 和 .png）在内的多种输入格式，并能将内容高效转换为 Markdown 和 JSON 等格式。无论是学术论文、商业报告还是幻灯片演示，MinerU 都能帮助用户轻松提取文本、表格、图像和公式等内容，满足文档数字化需求。
核心功能
MinerU 本身是一个强大的“缝合怪”，它主要靠底层的 PDF-Extract-Kit 的强大模型能力（包括布局检测模型、公式检测、公式识别、OCR 等），然后对后处理做了优化。其主要特点如下：
- 高精度内容提取
MinerU 基于 PDF-Extract-Kit 工具包，集成了先进的模型，能够精准提取文档中的文本、图像和表格等元素，确保输出的内容完整且一致，提升数据提取质量。 - 增强的文本与公式识别
通过集成 PP-OCRv4_server_rec_doc 等技术，MinerU 在文本识别上表现出色，支持多语言（如中文、日文）及特殊字符。此外，它还能通过 unimernet 模型改进公式解析，特别适合处理学术或技术文档中的数学公式。 - 灵活的布局识别
借助最新的 doclayout_yolo 模型，MinerU 能够准确识别文档的复杂布局，保留原始结构，适用于格式多样的纸质文档，确保 PDF 解析后排版清晰。 - 可定制性强
用户可以通过配置文件自定义公式分隔符，或利用 MinerU 的“可组合阶段”（Composable Stages）设计个性化的数据处理流程，满足特定业务需求。
使用体验
MinerU 在易用性上也下足了功夫。对于非技术用户，MinerU 桌面版提供了无需编码的直观界面，只需几步操作即可完成文档解析。而对于开发者或高级用户，MinerU 支持在线使用或本地部署，并可通过 API 调用集成到现有工作流程中。这种灵活性使其适用于从个人用户到企业团队的广泛群体。
使用 CPU 快速体验的步骤如下：
- 安装 magic-pdf
最新版本国内镜像源同步可能会有延迟，请耐心等待。
conda create -n mineru 'python=3.12' -y
conda activate mineru
pip install -U "magic-pdf[full]" -i https://mirrors.aliyun.com/pypi/simple- 下载模型权重文件
详细参考 如何下载模型文件[2] - 修改配置文件以进行额外配置
完成上一步后，脚本会自动生成用户目录下的 magic-pdf.json 文件，并自动配置默认模型路径。您可在【用户目录】下找到 magic-pdf.json 文件。