文档解析总是让人头大：PDF结构复杂，格式多样，提取内容费时费力。

MinerU 是一个开源项目，专注于将复杂文档（尤其是PDF）快速高效转成机器可读的Markdown或JSON格式，方便后续用大模型处理和自动化工作流。

它不仅支持排版结构分析、公式识别、表格解析，还能自动去除页眉页脚、脚注，保证语义连贯。更有OCR支持，能处理扫描版PDF，覆盖84种语言。

亮点功能：

- 领先的布局分析和文本识别，支持多栏复杂格式；
- 自动公式转LaTeX，表格转HTML，方便科研文档处理；
- 支持文档录入OCR，适配扫描和乱码PDF；
- 多平台适用，支持CPU和GPU加速；
- 提供在线演示、API接口和本地部署多种使用方式。

GitHub

GitHub - opendatalab/MinerU: Transforms complex documents like PDFs into LLM-ready markdown/JSON for your Agentic workflows.

Transforms complex documents like PDFs into LLM-ready markdown/JSON for your Agentic workflows. - opendatalab/MinerU