PDF免费全能的文档解析神器

• 主要功能
  • 格式转换与数据提取：能将 PDF、网页、多格式电子书等转换为机器可读格式，如 Markdown、JSON、Word 等，可提取文字、图片、图片描述、表格等内容。
  • 格式自动识别与转换：自动识别并转换文档中的 LaTeX 格式、HTML 格式，例如将公式转换为 LaTeX 格式，表格转换为 HTML 格式。
  • OCR 功能：自动检测扫描版 PDF 和乱码 PDF，并启用 OCR 功能，支持 84 种语言的检测与识别。
  • 文档结构处理：删除页眉、页脚、脚注、页码等元素，确保语义连贯，同时保留原文档的结构，包括标题、段落、列表等。
  • 可视化结果：支持多种可视化结果，包括 layout 可视化、span 可视化等，便于高效确认输出效果与质检。
• 软件特点
  • 多平台兼容：支持 CPU 和 GPU 环境，兼容 Windows、Linux 和 Mac 平台。
  • 开源免费：开源且免费提供 API 和客户端下载，无需登录，代码透明可审计。

GitHub：https://github.com/opendatalab/MinerU

中文文档：https://github.com/opendatalab/MinerU/blob/master/README_zh-CN.md

官网：https://mineru.net

在线使用：https://mineru.net/OpenSourceTools/Extractor

下载：https://webpub.shlab.tech/MinerU/latest/win/MinerU-0.9.0-setup.exe?t=1