一、介绍

MinerU 是由上海人工智能实验室（OpenDataLab）团队开发的一款开源智能文档解析工具，专注于将复杂的PDF文档、网页和电子书内容，高效、精准地提取并转换为机器可读的结构化格式（如Markdown、JSON等），可以很方便地抽取为任意格式。

主要功能

• 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

二、部署

1、基础环境

• Miniconda3
• Ubuntu:22.04
• cuda12.4.1
• 4090D

2、安装 MinerU

通过源码安装MinerU，首先创建虚拟环境，然后安装UV，克隆MinerU的源码，最后UV来安装

conda create -n mineru python=3.12 -y
conda activate mineru
pip install uv -i https://mirrors.aliyun.com/pypi/simple
git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[all] -i https://mirrors.aliyun.com/pypi/simple

3、模型下载

MinerU默认使用huggingface作为模型源，若用户网络无法访问huggingface，可以通过环境变量便捷地切换模型源为modelscope；

export MINERU_MODEL_SOURCE=modelscope

使用命令下载模型到本地，查看命令使用情况。下载好的模型目录通过 mineru.json 来调用，ineru.json 文件会在您使用内置模型下载命令 mineru-models-download 时自动生成，生成在用户目录，当前使用root用户，生成位置为 /root/mineru.json。

mineru-models-download --help
mineru-models-download

默认模型下载位置，若需要修改模型位置，可以移动模型到其它位置，然后修改 mineru.json文件。

4、推理框架

• pipeline：代码中集成，不需要启动后端
• vlm-transformers：代码中集成，不需要启动后端
• vlm-sglang（推荐）：需要启动后端，速度快

  mineru-sglang-server --port 30000 --model-path /root/.cache/modelscope/hub/models/OpenDataLab/MinerU2___0-2505-0___9B --max-running-requests 64 --mem-fraction-static 0.75 --weight-loader-disable-mmap
  

5、使用

通过fast api 方式调用。

mineru-api --host 0.0.0.0 --port 8080

通过访问 /docs 可以查看调用方式。

（推荐）使用gradio webui。

mineru-gradio --server-name 0.0.0.0 --server-port 8080

• 在浏览器中访问 http://127.0.0.1:8080 使用 Gradio WebUI。

• 访问 http://127.0.0.1:8080/?view=api 使用 Gradio API。

• 已修改默认使用 sglang环境

  

5、配置文件扩展 MinerU 功能

通过编辑用户目录下的 mineru.json 文件，添加自定义配置。

• latex-delimiter-config：用于配置 LaTeX 公式的分隔符，默认为 $ 符号，可根据需要修改为其他符号或字符串。
• llm-aided-config：用于配置 LLM 辅助标题分级的相关参数，兼容所有支持 openai协议 的 LLM 模型，默认使用 阿里云百炼 的 qwen2.5-32b-instruct 模型，您需要自行配置 API 密钥并将 enable 设置为 true 来启用此功能。
• models-dir：用于指定本地模型存储目录，请为 pipeline 和 vlm 后端分别指定模型目录，指定目录后您可通过配置环境变量 export MINERU_MODEL_SOURCE=local 来使用本地模型。