mineru

name	mineru
description	使用 MinerU API 将 PDF/Word/PPT/图片解析为结构化 Markdown，公式保留为 LaTeX，表格保留结构，支持 OCR。适合论文解析、教材提取、扫描件文字识别等场景。

MinerU 文档解析

通过 MinerU API（v4）将文档解析为 Markdown。调用前确认环境变量 MINERU_TOKEN 已设置。

支持的输入

类型	格式
PDF	论文、书籍、扫描件
Word	.docx
PPT	.pptx
图片	.jpg、.png（OCR）

工作流程

1. 检查 Token

# Windows（PowerShell）
echo $env:MINERU_TOKEN
# 若为空，设置 Token
$env:MINERU_TOKEN = "your_api_key_here"

# Linux/macOS
echo $MINERU_TOKEN
export MINERU_TOKEN="your_api_key_here"

2. 提交解析任务

curl -X POST "https://mineru.net/api/v4/extract/task" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "<文件URL>",
    "enable_formula": true,
    "enable_table": true,
    "layout_model": "doclayout_yolo",
    "language": "auto"
  }'
# 返回 task_id

参数选择指南：

场景	推荐配置
英文论文（arXiv）	language: en, layout_model: doclayout_yolo
中文论文/教材	language: ch, layout_model: doclayout_yolo
复杂表格/特殊版面	model_version: vlm（较慢但更准确）
快速预览	model_version: pipeline（默认）

3. 轮询结果

curl "https://mineru.net/api/v4/extract/task/<task_id>" \
  -H "Authorization: Bearer $MINERU_TOKEN"
# status: pending → running → done

重复调用直到 "status": "done"，然后从返回的 result.zip_url 下载。

4. 下载并解压

# PowerShell
Invoke-WebRequest -Uri "<zip_url>" -OutFile "result.zip"
Expand-Archive -Path "result.zip" -DestinationPath "./output"

# bash
curl -o result.zip "<zip_url>"
unzip result.zip -d ./output

解压后结构：

output/
├── full.md           # 完整 Markdown（主要使用此文件）
├── content_list.json # 结构化内容列表
├── images/           # 提取的图片
└── layout.json       # 版面分析结果

批量解析（多文件）

# 1. 获取预签名上传 URL
curl -X POST "https://mineru.net/api/v4/file-urls/batch" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"file_names": ["paper1.pdf", "paper2.pdf"]}'

# 2. 将文件 PUT 到返回的 presigned URL

# 3. 批量提交
curl -X POST "https://mineru.net/api/v4/extract/task/batch" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"files": [{"url": "...", "name": "paper1.pdf"}, ...]}'

限制

项目	限制
单文件大小	200 MB
单文件页数	600 页

参考资源

• API 文档：https://mineru.net/apiManage/docs
• GitHub：https://github.com/opendatalab/MinerU