MinerU PDF Parser
将复杂PDF文档转换为机器可读的Markdown/JSON格式，适用于LLM和RAG应用。
安装
# 推荐使用uv安装
pip install uv
uv pip install -U "mineru[all]"
# 下载模型（首次使用）
mineru-models-download快速使用
命令行
# 解析单个PDF
mineru -p input.pdf -o output_dir
# 批量解析
mineru -p pdf_folder/ -o output_dir
# 指定解析模式
mineru -p input.pdf -o output_dir --backend vlm # VLM模式（高精度）
mineru -p input.pdf -o output_dir --backend pipeline # Pipeline模式（快速）
mineru -p input.pdf -o output_dir --backend hybrid # 混合模式（平衡）Python API
from mineru import MinerU
mineru = MinerU()
result = mineru.parse("document.pdf")
# 获取输出
markdown = result.to_markdown()
json_data = result.to_json()详细API见 references/api_reference.md
解析模式选择
| 模式 | 特点 | 适用场景 |
|---|---|---|
pipeline | 快速、资源少 | 简单文档、纯文本PDF |
vlm | 高精度、复杂布局 | 学术论文、公式表格文档 |
hybrid | 平衡速度精度 | 通用场景 |
输出文件
{filename}.md- Markdown正文{filename}_content_list.json- 结构化JSONimages/- 提取的图像{filename}_middle.json- 中间结果（调试）
格式详情见 references/output_formats.md
最佳实践
学术论文
mineru -p paper.pdf -o output --backend vlm批量处理
from mineru import MinerU
import os
mineru = MinerU(backend="hybrid")
for pdf in os.listdir("pdfs/"):
if pdf.endswith(".pdf"):
result = mineru.parse(f"pdfs/{pdf}")
result.save(f"output/{pdf[:-4]}/")RAG数据准备
sections = result.get_sections()
for section in sections:
vector_db.add(section.title, section.content)启用GPU加速
修改 ~/.mineru.json 中 device-mode 为 cuda。
更多见 references/best_practices.md
脚本
使用 scripts/mineru_parse.py 进行解析，支持错误处理和日志记录。