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。
来源信息
- 仓库
- woodfishhhh/EZ_math_model
- 最近来源活动
- 2026年5月20日 10:38
- 检测到的 SKILL.md 语言
- 中文
- 星标
- 41
- 分支
- 1
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- 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 |
在 GitHub 查看