MinerU本地部署与API调用：让PDF变成大模型可读的Markdown

MinerU：把PDF解析成LLM能看懂的东西\n\nMinerU 是一个专门对付复杂文档（特别是 PDF）的工具，能把它们转成 Markdown 或者 JSON，方便大模型直接消化。我用它处理过一些排版很乱的论文、带表格的技术手册，效果比很多老牌工具强得多——尤其是公式和表格识别，直接出 LaTeX 和 HTML，不用自己再折腾。\n\n\n\n### 安装：踩了几个坑\n\n官方推荐 Python 3.10-3.13，我用的 3.11，没问题。最简单的安装是直接 pip：\n\nbash\npip install --upgrade pip\npip install uv\npip install -U \"mineru[core]\"\n\n\n如果你想从源码装，可以 clone 仓库然后 uv pip install -e .[core]。不过除非你要改代码，否则 pip 一条搞定。\n\n\n\n这里有个小坑：pip install uv 之后最好确认一下 uv 的路径，我遇到过因为环境变量没刷新导致后续装包失败的。实在不行就老老实实 ，不用 uv 也行。另外，如果遇到依赖冲突，还是建议新建一个虚拟环境，省心。\n\nGPU 加速方面，官方说需要 Turing 架构以上、6G 显存起步，我的 2060 6G 刚好够用，但要跑 VLM 后端得 8G，所以我就用了默认的 pipeline 后端。CPU 也能跑，就是慢一些。\n\n### 命令行直接上\n\n装好之后，一个命令就可以开搞：\n\n\n\n它会自动检测文档是原生转文字的 PDF 还是扫描版，扫描版就走 OCR。结果会生成一个文件夹，里面有 Markdown 文件、图片、表格的 HTML 等。我试了一下《三国演义》的扫描本（网上随便找的），排版还原度挺高，目录、回目都分了出来，就是图片里的印章没自动裁掉，稍微有点碍眼，不过不影响正文。\n\n### API 调用：远程解析更方便\n\n自己机器不行的时候，可以用 MinerU 的云 API。去官网申请一个 token，几行代码就能调用：\n\n\n\n\n\n返回结果里有个 task_id，可以拿去轮询状态，等解析完成后下载结果。我试过一次，十来页的论文大概 20 秒出结果，速度还能接受。 如果是 False，公式就按图片保留了，如果 True 会转成 LaTeX。我通常开 True，因为后面要喂给模型的话，LaTeX 格式更友好。\n\n参数里 必须是公网可访问的 PDF 地址，不支持本地文件直接上传，这个有点麻烦——你得先把 PDF 传到 OSS 或者用他家的 demo 链接测试。\n\n### 输出结果能拿来干什么\n\n输出默认是 Markdown，也有 JSON 格式可选。Markdown 里公式是 ，表格是 HTML 标签混在 Markdown 里，图片会单独保存到一个文件夹，原文里用相对路径引用。对于需要进一步处理的场景（比如知识库切片），JSON 格式更结构化，但 Markdown 肉眼读着更舒服。\n\n我用它解析了若干技术手册，构建了一个简单的问答数据集。公式识别准确率很高，至少在我这批材料里没遇到明显错误。唯一不爽的是脚注的处理：有时候脚注跑到段尾变成一条普通句子，得手动调整。\n\n### 总结\n\nMinerU 的核心强项在于 PDF 转 Markdown 的质量，尤其是对公式和表格的还原，比同类开源工具强。如果你经常需要把文献、报告或教材转成可编辑文本，这个工具能省不少事。安装和命令行使用都比较简单，API 适合集成到自己的流程里。不过扫描版 PDF 的效果很大程度上依赖 OCR 语言模型，英文准确率高，中文偶尔会掉链子，需要自己校对一遍。\n\n整体来说，值得在工具箱里备一个。