免费开源文档解析神器「MinerU」据介绍是一款将 PDF 等文档格式转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 自动从各种类型的文档中提取关键信息，例如合同、简历、财务报表等。

功能介绍

• 删除页眉、页脚、脚注、页码等元素，确保语义连贯
• 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版
• 保留原文档的结构，包括标题、段落、列表等
• 提取图像、图片描述、表格、表格标题及脚注
• 自动识别并转换文档中的公式为 LaTeX 格式
• 自动识别并转换文档中的表格为 HTML 格式
• 自动检测扫描版 PDF 和乱码 PDF，并启用 OCR 功能
• OCR 支持 84 种语言的检测与识别
• 支持多种输出格式，如多模态与 NLP 的 Markdown、按阅读顺序排序的 JSON、含有丰富信息的中间格式等
• 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
• 支持纯 CPU 环境运行，并支持 GPU(CUDA)/NPU(CANN)/MPS 加速
• 兼容 Windows、Linux和 Mac 平台

下载地址

• 项目地址：
  https://github.com/opendatalab/MinerU
• 在线地址：
  https://mineru.net