免费把 200 页扫描件 PDF 转成可编辑 Markdown，MinerU 只需几分钟
【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU
一份 200 页的扫描版采购合同，附件里还有十几张价格表。你需要它变成可搜索、可编辑的 Markdown，交给团队做条款比对。把文件拖进 MinerU 这个开源 PDF 转 Markdown 工具，几分钟后，正文、表格和公式都已经按原版面排好，放在输出目录里等你取用。
拿到手就能做的五件事
- 复杂版面 PDF 转 Markdown / JSON
- 扫描件自动识别，走 OCR 提取文字
- 表格自动检测，输出 HTML 格式
- 数学公式转成 LaTeX 文本
- 支持中英混排等 84 种语言
200 页扫描合同，从上传到拿结果
安装开源 PDF 工具 MinerU 后（快速开始指南里写了在线体验、命令行、本地部署三种方式，可以先用在线版评估效果）。把合同拖进解析界面的上传区：
界面上方列出了支持的文档类型：PDF、Word、PPT、Excel、图片，合同原件直接上传即可。任务完成后，输出目录里会生成 Markdown 与 JSON 两种格式，图片单独存图。正文里，章条标题变成 Markdown 标题结构，价格表转成带行列的 HTML 表格，公式变成 LaTeX，阅读顺序和原文件一致。
50 份合规文档批量转换，批量入口在哪
命令行工具直接吃目录：在终端输入mineru -p 输入目录 -o 输出目录，整个文件夹一次跑完，每份文件各生成一套结果。
场景一：法务合同批量结构化
- 之前：逐份复制付款条款、责任条款到 Excel，每份耗时数小时，难免漏行
- 之后：整批转换，每份合同得到结构化 Markdown，直接归档入库、全文检索
场景二：技术报告与论文表格提取
- 之前：手动把论文里 10 张表格重新录入表格软件，公式只能截图
- 之后：表格自动转 HTML，公式转 LaTeX，数据直接进表格软件复用
扫描件转 Markdown：OCR 如何参与
MinerU 会自动判断 PDF 是纯文本还是扫描版，扫描件自动进入 OCR 流程，无需你手动指定。解析管线按文档分类、版面检测、公式检测、文字识别分阶段处理，OCR 只是其中一环；输出不理想时，也能顺着这个流程定位问题出在哪一段。
解析后端怎么选
不同后端对结果的精度有明显差异（据官方文档）：
| 解析后端 | 硬件要求 | 精度指标 |
|---|---|---|
| pipeline | 低，纯 CPU 可用 | 86.47 |
| vlm / hybrid | 需要 GPU | 95.3 左右 |
同一份文档，换后端往往比反复调参数见效更快。后端源码见 mineru/backend/。
上手入口：文档、API 与 MCP
从快速开始文档挑一种部署方式：在线体验免安装；命令行一条命令完成 PDF 转 Markdown；本地部署适合长期跑批。需要接入自己的系统或 AI 工具时，MinerU 提供 API 服务和 MCP 插件，可挂进现有工作流。
MinerU 把转换这件重复劳动接过去，你只需要处理文档本身。
【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
