MinerU

MinerU是一款开源智能数据提取工具，旨在解决复杂多模态文档的处理难题，将PDF、Word、PPT及网页等非结构化数据高效转化为Markdown或JSON等结构化格式。它由Magic-PDF与Magic-Doc两大组件构成，不仅能精准识别并提取图文、复杂表格、数学公式等多模态元素，还能自动过滤页眉、页脚及网页广告等干扰信息，完美保留原文档的阅读顺序与层级结构。

MinerU支持扫描版及乱码PDF的自动识别与转换，具备跨平台兼容性及84种语言识别能力，并支持本地私有化部署以保障数据安全。凭借媲美商业软件的SOTA级解析效果，MinerU已广泛应用于学术研究、AI大模型语料准备、RAG知识库构建、档案管理以及法律财务等垂直领域，大幅提升了高质量数据的采集与处理效率。

MinerU核心功能

1、多模态与全格式兼容

PDF、Word、PPT、Excel、图片、网页URL一键解析

精准剥离图文并保留上下文关联，让Agent轻松"阅读"复杂排版文档。

2、高并发与Agent自动化处理

毫秒级响应，支持高并发处理

专属Agent免登录通道，完美适配高频自动化工作流。

3、高度结构化与机器可读输出输出

高保真 Markdown / JSON/ LaTeX

完美保留排版层级，为RAG和知识库构建提供纯净数据。

4、原生接入主流Agent工作流

轻松导出至 Dify / Notion

原生支持MCP协议、OpenClaw等主流Agent框架。

MinerU软件API介绍

MinerU 提供了完善的 API 服务与丰富的生态接入方式，旨在满足不同规模、不同场景下的文档解析需求。其 API 体系主要包含以下核心模块：

1、双模式解析 API

MinerU 官方提供了两种不同定位的解析模式，以适应多样化的业务需求：

-精准解析 API：面向高精度深度加工与大批量生产任务。支持更丰富的模型版本（如 pipeline、vlm 等），可处理大文件、批量任务，并支持导出 Word、LaTeX 等可编辑格式。调用该接口需要进行身份验证（Token）。

-轻量解析 API：专为 AI Agent 快速读取、极简调用设计。该模式免登录、按 IP 限频，精简了复杂的调度逻辑，响应速度极快。输出格式主要为干净的 Markdown，非常适合用于大模型的摘要、问答及检索场景。

2、本地 API 服务架构

对于需要本地化部署的场景，MinerU 提供基于 FastAPI 的 mineru-api 服务，支持同步与异步两种处理机制：

-同步模式：通过 POST /file_parse 接口提交文件，服务端会阻塞等待直到解析完成，直接返回结果（如 ZIP 包）。适合单个小文件的快速解析。

-异步模式：通过 POST /tasks 接口提交文件，服务端立即返回 task_id。客户端可通过轮询 GET /tasks/{task_id} 获取任务状态，并在任务完成后获取结果。此模式非常适合大文件、大批量解析及 Web 后台服务集成。

3、多语言 SDK 与生态接入

除了直接的 HTTP API 调用，MinerU 还构建了全面的接入生态，方便不同技术栈的团队无缝集成：

-多语言 SDK：官方提供 Python SDK、Go SDK 和 TypeScript SDK，方便后端、前端及 Node 团队直接通过代码调用。

-命令行工具 (CLI)：适合数据/运维工程师进行批量解析、定时任务和离线回归测试。

RAG 框架集成：提供 LangChain Loader 和 LlamaIndex Reader，方便知识库团队进行文档入库、切块与索引。

-Agent 协议支持：原生支持 MCP Server，可为 Cursor、Claude Desktop 等 AI 智能体提供开箱即用的文档解析工具。

MinerU适用场景有哪些？

MinerU 凭借其强大的文档解析与结构化提取能力，广泛适用于以下多个核心场景：

1、AI 应用与知识库构建（RAG）

MinerU 是构建检索增强生成（RAG）系统的理想前端解析工具。它能够将 PDF 等复杂文档转化为纯净的 Markdown 或 JSON 格式，完美保留标题层级、列表和代码块等语义结构。目前已深度集成至 Dify、FastGPT、LangChain、LlamaIndex 等主流 AI 开发平台，助力企业快速搭建智能文档问答应用和构建高质量的企业知识库。

2、科研教育与学术文献处理

针对学术论文中的特殊元素，MinerU 提供了专项解析能力。它不仅能将复杂的数学公式、多行嵌套公式精准转化为标准的 LaTeX 或 MathML 代码，还能在化学领域提取分子结构图、化学反应路径及条件参数。这为科研人员快速阅读文献、自动化文献综述、辅助大模型数学推理以及构建知识图谱提供了极大便利。

3、企业自动化办公与数据处理

在企业日常运营中，MinerU 展现出强大的批量处理能力。它可以自动去除页眉、页脚等干扰元素，支持 109 种语言的 OCR 识别。典型应用包括：批量处理发票、合同、报告扫描件以提取关键信息；从图片格式的报表中自动化提取表格数据并导入 Excel 或数据库；以及将纸质文档转为结构化数据接入 BI 分析工具。

4、垂直行业深度应用

-金融行业：自动提取贷款合同关键条款，构建风险预警模型；解析财务报表中的关键数据，辅助金融分析师进行财务比率分析与投资决策。

-医疗行业：集成图像解析功能，开发结构化数据输出接口，助力病历电子化及关键信息提取。

-法律领域：帮助律师从海量判决书、法规等法律文件中快速提取关键条款与案件事实，提高案件审查与分析效率。

-制造业：通过定制开发，实现工业技术图纸的解析，完整保留图层信息并精准识别尺寸标注。

5、边缘设备与低资源环境

得益于极致的工程优化，MinerU 的轻量级模型在纯 CPU 环境下即可实现“丝滑”运行，内存占用极低。这使得它非常适合部署在个人电脑、老旧服务器、树莓派或国产化 ARM 设备等低资源边缘环境中，以极低的成本提供高质量的本地化文档理解能力。