mineru-pdf-to-markdown

# MinerU — PDF → Markdown con layout y OCR > ⚠️ Corrección 2026-09-05 (auditoría): el flag de entrada es `-p` (no `-i`), licencia "MinerU Open Source License" (Apache 2.0-based, no NOASSERTION) y la salida v2/v3 es `.md`+`images/`. El extra documentado es `mineru[all]`, no `mineru[core]`. **Repo:** `https://github.com/opendatalab/MinerU` (Python, ~79K⭐) · Licencia: MinerU Open Source License (basada en Apache 2.0). ## When to Use - Cuando pidas **convertir PDFs densos** (con tablas, fórmulas, imágenes, multi-columna) a **Markdown** con layout correcto, en local. ## Uso ```bash pip install "mineru[all]" # extras documentados; mirar módulos de extensión según docs mineru -p entrada.pdf -o salida/ # -p = path de entrada (NO -i) ``` ## Salida (v2/v3) - `*.md` (texto marcado con layout), JSON por página (`*.json`) y `images/` con las figuras/tablas extraídas. - *(Los nombres `*_middle.json`/`*_model.json` son de la estructura v1 — obsoletos.)* ## Pitfalls - Flag de entrada: **`-p`** (path), no `-i`. - Licencia: **MinerU Open Source License** (no NOASSERTION/AGPL). - Extras: usa `mineru[all]` (o los módulos de extensión documentados); `mineru[core]` no está documentado. ## Verificación - `mineru -p doc.pdf -o out/` → comprobar `out/*.md` + `out/images/`; verificar que tablas/fórmulas conservan estructura.