Skip to main content

paper-parser

Parse PDF papers into structured Markdown/JSON using MinerU's precision extraction API.

インストールへ移動

ソース情報

リポジトリ
orange4664/research-skills
ソースの最終更新活動
2026年3月31日 03:46
検出された SKILL.md の言語
英語
スター
41
フォーク
1

インストール方法

デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。

ソースファイルを確認

インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。

ファイルエクスプローラー
4 ファイル

SKILL.md を表示中

SKILL.md
ソースの指示 · 読み取り専用プレビュー
name
paper-parser
description
Parse PDF papers into structured Markdown/JSON using MinerU's precision extraction API.
# Paper Parser Skill ## Purpose Parse PDF papers into structured data (Markdown, images, tables, formulas) using MinerU's precision API. This is the third step in the paper reproduction pipeline. ## When to Use - After downloading a paper PDF with paper-downloader - User asks to "parse", "extract", or "analyze" a PDF paper - User needs structured content from a paper for summarization or reproduction ## First-Time Setup On first use, the user needs to provide their MinerU API token: 1. Ask the user to visit https://mineru.net/apiManage to get their token 2. Set the environment variable: `set MINERU_TOKEN=<token>` (Windows) or `export MINERU_TOKEN=<token>` (Linux/Mac) 3. The token is a long JWT string starting with "eyJ..." ## How to Use ### Step 1: Ensure PDF exists The PDF should have been downloaded by paper-downloader, typically at: `workspace/<paper-slug>/paper/paper.pdf` ### Step 2: Run the Parser ```bash python skills/paper-parser/parse_paper.py workspace/<paper-slug>/paper/paper.pdf -o workspace/<paper-slug>/parsed/ ``` **Options:** - `--model vlm` — Highest precision (default, recommended for academic papers) - `--model pipeline` — Faster but less precise - `--language en` — For English papers (default) - `--language ch` — For Chinese papers - `--timeout 600` — Increase timeout for large papers ### Step 3: Read the Results Check `workspace/<paper-slug>/parsed/` for: - `*.md` — Full paper in Markdown format - `images/` — Extracted figures and diagrams - `tables/` — Extracted table data - `parse_report.json` — Parsing log and file list ### Step 4: Report to User Tell the user: - How many pages were parsed - Key files generated (Markdown, images count) - Any errors or warnings from the parser ## Dependencies - Python 3.10+ - `requests` library - MinerU API token (from https://mineru.net/apiManage) ## Error Handling - If token is missing, prompt user to set MINERU_TOKEN - If parsing fails, check parse_report.json for error details - For large papers (>600 pages), suggest splitting or using a different tool - If upload fails, check network connectivity to mineru.net
GitHubで見る