mineru
PDF / 图片 / 网页高质量解析为 Markdown。三种部署形态全部免费：本地 CLI（开源）、 云 API（注册免费 token + 配额，超额才付费）、网页 flash（零注册，单文件 ≤10MB / ≤20页）。 在中文学术 PDF / 表格 / 公式上识别质量显著高于 pdfplumber。
Quellinformationen
- Repository
- woodfishhhh/EZ_math_model
- Letzte Quellaktivität
- 20. Mai 2026 um 10:38
- Erkannte Sprache von SKILL.md
- Chinesisch
- Sterne
- 41
- Forks
- 1
Installationsoptionen
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Quelldateien prüfen
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
SKILL.md wird angezeigt
SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau- name
- mineru
- description
- PDF / 图片 / 网页高质量解析为 Markdown。三种部署形态全部免费：本地 CLI（开源）、 云 API（注册免费 token + 配额，超额才付费）、网页 flash（零注册，单文件 ≤10MB / ≤20页）。 在中文学术 PDF / 表格 / 公式上识别质量显著高于 pdfplumber。
- allowed-tools
- Bash, Read
- read_when
- ["题目 PDF 含表格 / 公式 / 复杂排版","阅读 zhanwen 优秀论文 PDF","把附件中带数据的报告 PDF 转为 markdown"]
# mineru — PDF 高质量解析
## 何时使用
- 题目 PDF 含中文 + 表格 + 公式（pdfplumber 输出乱序时）
- 阅读 `external/zhanwen-mathmodel/` 下的优秀论文
- 转换 docx / pptx 为 markdown
## 入口
本子 skill **不**自带 Python 实现；调用宿主已安装的 `mineru-open-api` CLI
或 `mineru` Python 包。详细 CLI 文档见 [mineru 官方 skill](https://github.com/opendatalab/MinerU)。
## 模式选择决策树
```
文件 ≤ 10MB 且 ≤ 20页 且 不需表格识别
→ flash-extract（零配置、最快）
文件 > 10MB 或 > 20页 或 需要表格 / 公式 / OCR
→ extract（要 token，注册免费领）
→ 备用：本地 CLI mineru（开源，自动下载模型）
```
## 命令模板
```powershell
# Flash 模式（推荐起手）
mineru-open-api flash-extract problem.pdf -o workdir/.../out --language ch
# 限页（>20 页时）
mineru-open-api flash-extract problem.pdf -o workdir/.../out --language ch --pages 1-20
# Extract 精确模式（需 token；写入 EZMM_MINERU_TOKEN）
mineru-open-api auth # 一次性配置
mineru-open-api extract problem.pdf -o workdir/.../out --language ch --table --formula
# 本地 CLI（无 token，开源版）
pip install -U mineru
mineru -p problem.pdf -o workdir/.../out
```
## 入参约定
| 参数 | 默认 | 说明 |
|---|---|---|
| `--language` | `ch` | 中文文档；英文用 `en`；混合 `ch_server` |
| `--pages` | 全部 | flash 模式下题目 > 20 页时按 `1-20` 分批 |
| `-o` | stdout | 写入指定目录（推荐）；不写参数则 markdown 走 stdout |
## 配置
| Env Var | 必需 | 用途 |
|---|---|---|
| `EZMM_MINERU_TOKEN` | extract 模式必需 | 注册免费领，flash 不需要 |
## 失败诊断
| 错误 | 原因 | 处理 |
|---|---|---|
| `file page count exceeds API limit` | flash 限 20 页 | 加 `--pages 1-20`；或换 extract（要 token） |
| `TLS handshake timeout` | 网络抖动 | 重试 1 次；仍失败降级 pdfplumber |
| `no API token found` | extract 缺 token | 调 `mineru-open-api auth` 或 fallback flash |
| 输出 Markdown 含大量 `<!-- image -->` | 论文图片占位 | 正常；只对文字部分有效 |
Auf GitHub ansehen