mineru-pdf-parser

1# MinerU PDF Parser
2 
3将复杂PDF文档转换为机器可读的Markdown/JSON格式，适用于LLM和RAG应用。
4 
5## 安装
6 
7```bash
8# 推荐使用uv安装
9pip install uv
10uv pip install -U "mineru[all]"
11 
12# 下载模型（首次使用）
13mineru-models-download
14```
15 
16## 快速使用
17 
18### 命令行
19 
20```bash
21# 解析单个PDF
22mineru -p input.pdf -o output_dir
23 
24# 批量解析
25mineru -p pdf_folder/ -o output_dir
26 
27# 指定解析模式
28mineru -p input.pdf -o output_dir --backend vlm      # VLM模式（高精度）
29mineru -p input.pdf -o output_dir --backend pipeline # Pipeline模式（快速）
30mineru -p input.pdf -o output_dir --backend hybrid   # 混合模式（平衡）
31```
32 
33### Python API
34 
35```python
36from mineru import MinerU
37 
38mineru = MinerU()
39result = mineru.parse("document.pdf")
40 
41# 获取输出
42markdown = result.to_markdown()
43json_data = result.to_json()
44```
45 
46详细API见 [references/api_reference.md](references/api_reference.md)
47 
48## 解析模式选择
49 
50| 模式 | 特点 | 适用场景 |
51|------|------|----------|
52| `pipeline` | 快速、资源少 | 简单文档、纯文本PDF |
53| `vlm` | 高精度、复杂布局 | 学术论文、公式表格文档 |
54| `hybrid` | 平衡速度精度 | 通用场景 |
55 
56## 输出文件
57 
58- `{filename}.md` - Markdown正文
59- `{filename}_content_list.json` - 结构化JSON
60- `images/` - 提取的图像
61- `{filename}_middle.json` - 中间结果（调试）
62 
63格式详情见 [references/output_formats.md](references/output_formats.md)
64 
65## 最佳实践
66 
67### 学术论文
68```bash
69mineru -p paper.pdf -o output --backend vlm
70```
71 
72### 批量处理
73```python
74from mineru import MinerU
75import os
76 
77mineru = MinerU(backend="hybrid")
78for pdf in os.listdir("pdfs/"):
79    if pdf.endswith(".pdf"):
80        result = mineru.parse(f"pdfs/{pdf}")
81        result.save(f"output/{pdf[:-4]}/")
82```
83 
84### RAG数据准备
85```python
86…