MinerU

把 PDF/Word 一键转成 AI 能读懂的 Markdown,让文档直接喂给大模型。

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 基础设施 🍴 复刻 6917 🐛 待处理 10 👀 关注 278
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 83387
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,完全免费,可自行部署使用。

项目预览

MinerU 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类基础设施
开发团队opendatalab
定价模式🏷️完全免费
价格说明开源项目,完全免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型ai4science,document-analysis,docx,extract-data,layout-analysis,ocr,parser,pdf,pdf-converter,pdf-extractor-llm,pdf-extractor-pretrain,pdf-extractor-rag,pdf-parser,pptx,python,xlsx
GitHub 星标★ 83387
上线时间2024-02-29 00:00:00
代码更新2026-11-09
仓库体积186.6 MB
本站数据更新2026-11-10
维护状态活跃
收录时间2026-08-10
浏览次数9

项目介绍

MinerU 是一个开源工具,能将 PDF、Word 等复杂文档转换为适合大语言模型(LLM)使用的 Markdown 或 JSON 格式。它解决了非结构化文档难以被 AI 直接读取和解析的问题,尤其适用于构建智能体(Agent)工作流。核心能力包括:高精度 OCR 识别、版面分析(识别标题、表格、图片等)、公式提取、去页眉页脚、多格式输出(Markdown/JSON)。它基于深度学习模型,支持中英文等 100 多种语言,处理速度快,且提供命令行、Python API 和在线演示,方便集成到现有系统。MinerU 在处理扫描件、复杂排版、数学公式等场景表现突出,是文档解析领域的热门选择。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 83387

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 15 分钟 部署方式:本地安装 5 步

环境要求

  • Python 3.10-3.13(Windows 因 ray 依赖限制仅支持 3.10~3.12)
  • 内存最低 16GB,推荐 32GB 以上;磁盘最低 20GB,建议 SSD
  • GPU 需 Volta 及以后架构或 Apple Silicon;pipeline 后端纯 CPU 也可运行
  • 操作系统:Linux(2019 年后发行版)/ Windows / macOS 14.0 以上
  • Docker 部署仅支持 Linux 和支持 WSL2 的 Windows,macOS 请勿使用 Docker

安装与启动步骤

  1. 1确认环境达标

    先核对系统版本、Python 版本、内存与磁盘空间是否满足上表要求,并建议先用在线演示评估解析质量再决定部署方式。

  2. 2安装 pip 与 uv

    升级 pip 并安装 uv 包管理器,后续用 uv 安装 MinerU 及其全部依赖。

    pip install --upgrade pip
    pip install uv
  3. 3安装 MinerU

    安装 mineru[all],包含全部核心功能,兼容 Windows / Linux / macOS,适合大多数用户。

    uv pip install -U "mineru[all]"
  4. 4源码方式安装

    如需从源码安装,克隆仓库后进入目录,用 uv 以可编辑模式安装全部依赖。与上一步二选一即可。

    git clone https://github.com/opendatalab/MinerU.git
    cd MinerU
    uv pip install -e .[all]
  5. 5Docker 部署(可选)

    仅 Linux 与支持 WSL2 的 Windows 可用;README 未给出具体命令,请按官方 Docker 部署文档操作,macOS 请改用前两种方式。

如何确认成功

安装过程无报错,可用 pip show mineru 看到已安装版本号即表示安装成功;解析效果请按官方文档实测。

常见问题

Q:Windows 上安装后 CUDA 加速不可用怎么办?

A:参考官方 FAQ 中的 Windows CUDA acceleration 条目排查,常见为环境或驱动配置问题,README 明确指向该文档。

Q:macOS 可以用 Docker 部署吗?

A:不可以。README 说明 Docker 部署仅支持 Linux 和支持 WSL2 的 Windows,macOS 用户请使用 pip/uv 或源码安装方式。

Q:Windows 能用 Python 3.13 吗?

A:不能。关键依赖 ray 在 Windows 上不支持 Python 3.13,Windows 仅支持 Python 3.10~3.12。

Q:没有独立显卡能跑吗?

A:可以。pipeline 后端支持纯 CPU,最低 4GB 显存场景也可用,但精度低于 hybrid/vlm 后端(86.47 对 95+)。

Q:只想在边缘设备装轻量客户端怎么办?

A:README 建议参考官方文档的扩展模块安装指南,可指定 VLM 模型推理框架或仅安装轻量客户端。

注意事项

  • mineru[all] 包含全部核心功能,适合绝大多数用户;如需指定 VLM 推理框架请查阅扩展模块安装指南。
  • -engine 系列后端对硬件要求更高,hybrid/vlm 需 8GB 以上显存且不支持纯 CPU;-http-client 系列面向兼容 OpenAI 的服务器。
  • Docker 部署命令 README 未直接给出,请以官方《Docker Deployment Instructions》文档为准。
  • 遇到安装问题先查官方 FAQ,多数兼容性问题已有对应解决方案。

核心亮点

  • OCR 识别精度高,对扫描版 PDF 和低质量图片文字提取效果好
  • 版面分析能力强,能准确识别标题、表格、公式、图片等结构,输出结构化 Markdown
  • 提供多种使用方式(CLI、API、在线 Demo),集成灵活,社区活跃

不足之处

  • 处理超大 PDF 或批量文档时,内存占用较高,速度可能变慢
  • 对复杂表格和手写内容的识别准确率仍有提升空间

适用场景

  • 将 PDF 研究报告、合同等转换为 Markdown,供 LLM 进行摘要或问答
  • 批量处理扫描版书籍或历史档案,建立可检索的文本数据库
  • 从技术文档或论文中提取公式、图表,用于知识库构建或数据挖掘

替代项目

PyMuPDF、unstructured、Docling

上一篇:rerun

下一篇:RuVector

同类项目推荐

liveblocks 开源

快速为应用和智能体添加实时协作能力,无需自研后端。

Realtime infrastructure for multiplayer apps and agents

★ 4771 2026-08-09
ax-llm 开源

把大模型塞进爱芯芯片,OpenAI 接口即插即用

Explore LLM model deployment based on AXera's AI chips, It provides OpenAI‑compatib···

★ 170 2026-09-26
llm7.io 开源

一个网关接入所有主流大模型,告别多套 SDK。

LLM7.io offers a single API gateway that connects you to a wide array of leading AI ···

★ 260 2026-08-09
gitmoney-public-framework 开源

套用现成框架,AI 办公基建不用从零搭建

Public GitMoney framework for plain-English GitHub, AI Office infrastructure, and fo···

★ 9 2026-08-09
llm-metadata 开源

统一查询 LLM 元数据,告别硬编码模型信息

A lightweight interface for accessing and integrating LLM metadata, enabling applica···

★ 152 2026-08-09
dama 开源

一键容器化部署,快速跑通机器学习自动化流程

a simplified machine learning container platform that helps teams get started with a···

★ 77 2026-08-09
TensorRT-Model-Connect 开源

两条命令把 PyTorch 模型跑成 TensorRT 推理

From PyTorch model to end-to-end TensorRT inference experience in two commands—AI-n···

★ 291 2026-10-24