智能文档提取，一键转 Markdown

MinerU 是高性能文档提取工具，支持 PDF/Word/PPT/图片转 Markdown/HTML/DOCX，具备表格识别、公式识别、OCR 能力，提供免登录快速模式和高精度 VLM 专业模式。

基本信息

• 技能名称?mineru document extractor
• 中文名称?智能文档提取，一键转 Markdown
• 作者?mineru-extract
• 分类?专业技能
• 版本?0.1.29
• 标签?document-extraction, pdf-to-markdown, ocr, table-recognition, formula-extraction, batch-processing, document-conversion, academic-tool, cli-tool, vlm, pdf-parser

使用方法

使用说明
MinerU 文档提取工具综合评估
MinerU 是由 OpenDataLab 开发的开源文档提取解决方案，通过 mineru-open-api CLI 工具提供端到端的文档解析能力。该工具支持 80+ 语言，可将 PDF、Word、PowerPoint、图片及网页转换为结构化输出格式，是学术研究者、数据工程师和开发者的实用工具。
核心用法
MinerU 提供两种提取模式：
Flash-Extract（快速模式） ：零配置、免登录、无 Token 即可使用，适合即时需求。支持 10 MB 以内、20 页以下的文件，输出 Markdown 格式，集成表格识别、公式识别和 OCR 能力。
Precision Extract（专业模式） ：需 Token 认证，支持 VLM 视觉语言模型或 Pipeline 模型，可输出 Markdown、HTML、LaTeX、DOCX、JSON 等多种格式，支持批量处理大文件，适合生产环境。
附加功能包括网页爬取（ crawl ）、多语言指定、页码范围筛选等。
显著优点
双模式灵活切换 ：快速模式开箱即用，专业模式深度可控
多格式支持 ：覆盖 PDF、DOC/DOCX、PPT/PPTX、图片、HTML 及 URL
高精度识别 ：VLM 模型针对复杂版面优化，Pipeline 模型零幻觉风险
批量处理能力 ：支持通配符批量提取和并发控制
学术友好 ：专为论文、研报中的表格和数学公式优化
80+ 语言支持 ：包括中文、英文、日文、韩文、阿拉伯语及多语系包
潜在局限
Flash-Extract 限制 ：单文件 10 MB / 20 页上限，超限时需升级专业模式
Token 依赖 ：高级功能需注册获取 API Token，增加使用门槛
VLM 幻觉风险 ：视觉模型虽精度高，但极少数场景可能产生虚构内容
网络依赖 ：所有处理通过 mineru.net API 服务端完成，需稳定网络
隐私考量 ：文档内容需上传至第三方服务器处理
适合人群
学术研究者：批量解析论文、提取表格数据和数学公式
数据工程师：构建文档处理流水线，实现格式标准化
开发者：集成文档转换功能到自有应用或自动化工作流
内容运营：快速将 PDF 研报、PPT 转换为可编辑 Markdown
常规风险
数据外传 ：文档内容传输至 MinerU 服务器，敏感文件需谨慎评估
API 可用性 ：依赖外部服务稳定性，存在服务中断或限流风险
输出质量波动 ：扫描件质量、版面复杂度可能影响识别准确率
Token 管理 ：需妥善保管 API Token，避免泄露导致滥用
安全与可信度
MinerU CLI 为官方开源客户端，源码可审计。数据处理完成后服务端不保留内容，但传输过程仍需注意敏感信息保护。建议非敏感文档优先使用，机密文件考虑本地替代方案。