MinerU

#文档解析 #PDF提取 #OCR识别 #开源项目 #AI工具
专为 LLM · RAG · Agent 场景构建的高精度文档解析引擎
MinerU 是一个专注于复杂文档内容提取的开源项目，适合处理论文、报告、扫描件、表格文档等多种资料。它能够自动识别文本型 PDF、图层型 PDF、扫描版 PDF并选择合适方式解析，支持标题、正文、图片、表格、公式等元素提取，最后可导出为 Markdown 等格式，大幅减少人工整理文档的时间。

软件功能

复杂文档解析：支持处理学术论文、技术文档、扫描件、表格文件等复杂内容。
PDF 类型识别：可自动识别文本型 PDF、图层型 PDF、扫描版 PDF，并进行针对性处理。
多元素提取：支持提取标题、正文、图片、表格、公式等文档结构化内容。
表格识别：可对复杂表格、乱码表格、有缺陷表格进行内容提取和结构还原。
公式解析：适合处理包含复杂数学公式的论文和科研资料。
扫描件 OCR：支持扫描版文档识别，对模糊、水印等情况也具备较强鲁棒性。
Markdown 导出：解析后的内容可一键导出为 Markdown 等格式，方便二次编辑和知识整理。
开源可部署：项目开源，适合开发者、本地化部署和企业文档处理场景使用。