mineru-file-parse

name	mineru_file_parse
description	MinerU文件解析算子。通过远程调用MinerU接口，解析本地文件（支持PDF、DOC、PPT、Excel、图片等格式），获取文件解析结果（内容、公式、图片等），最终返回ZIP压缩包。 本SKILL依赖requests库，请确保已安装。
name_zh	MinerU文件解析算子
input_params	[{"name":"file_path","type":"string","required":true,"description":"本地文件路径，支持PDF、DOC、PPT、Excel、图片等格式"},{"name":"output_zip","type":"string","required":true,"description":"输出ZIP压缩包路径"},{"name":"model_version","type":"string","required":false,"default":"vlm","description":"模型版本，默认vlm"},{"name":"poll_interval","type":"int","required":false,"default":5,"description":"轮询间隔（秒），默认5秒"},{"name":"timeout","type":"int","required":false,"default":1800,"description":"超时时间（秒），默认1800秒（30分钟）"}]
output_params	[{"name":"output_zip","type":"zip_file","description":"解析结果ZIP压缩包"}]
tag	数据转换
publisher	COMMUNITY

功能概述

该算子通过远程调用MinerU API，对本地文件进行智能解析，提取文件中的文本内容、公式、图片等信息，最终将解析结果打包为ZIP压缩包返回。

支持的文件类型

• PDF文件（.pdf）
• Word文档（.doc, .docx）
• PowerPoint演示文稿（.ppt, .pptx）
• Excel表格（.xls, .xlsx）
• 图片文件（.jpg, .jpeg, .png, .bmp, .gif等）

核心参数

参数	类型	必填	默认值	说明
file_path	string	是	-	本地文件路径
output_zip	string	是	-	输出ZIP压缩包路径
model_version	string	否	vlm	模型版本
poll_interval	int	否	5	轮询间隔（秒）
timeout	int	否	1800	超时时间（秒）

使用示例

命令行调用

# 基础用法
python scripts/run_mineru_file_parse.py \
  --file_path /path/to/input.pdf \
  --output_zip /path/to/output.zip

# 指定模型版本和轮询参数
python scripts/run_mineru_file_parse.py \
  --file_path /path/to/input.docx \
  --output_zip /path/to/output.zip \
  --model_version vlm \
  --poll_interval 10 \
  --timeout 3600

参数说明

• --file_path: 需要解析的本地文件路径
• --output_zip: 解析结果ZIP压缩包的输出路径
• --model_version: 选择使用的模型版本，默认vlm
• --poll_interval: 查询解析状态的间隔时间，默认5秒
• --timeout: 解析任务的最大等待时间，默认30分钟

输出内容

解析完成后，输出的ZIP压缩包包含：

• 文件文本内容提取结果
• 公式识别结果
• 图片提取结果
• 解析元数据信息

注意事项

1. 需要有效的MinerU API密钥才能使用(系统内配置)
2. 网络连接必须正常，能够访问MinerU服务
3. 大文件解析可能需要较长时间，请适当调整timeout参数
4. 支持的文件大小受MinerU服务限制
5. 输出目录不存在时会自动创建