📄 MinerU - 文档解析神器

OpenDataLab 出品

PDF/Word/PPT/图片 → 结构化 Markdown，公式表格全保留！

---

🔗 资源链接

资源	链接
官网	https://mineru.net/
API 文档	https://mineru.net/apiManage/docs
GitHub	https://github.com/opendatalab/MinerU

---

🎯 功能

支持的文件类型

类型	格式
📕 PDF	论文、书籍、扫描件
📝 Word	.docx
📊 PPT	.pptx
🖼️ 图片	.jpg, .png (OCR)

核心优势

1. 公式完美保留 - LaTeX 格式输出
2. 表格结构识别 - 复杂表格也能搞定
3. 多语言 OCR - 中英文混排无压力
4. 版面分析 - 多栏、图文混排自动处理

---

🚀 API 使用 (v4)

认证

# Header 认证
Authorization: Bearer {YOUR_API_KEY}

单文件解析

# 1. 提交任务
curl -X POST "https://mineru.net/api/v4/extract/task" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://arxiv.org/pdf/2410.17247",
    "enable_formula": true,
    "enable_table": true,
    "layout_model": "doclayout_yolo",
    "language": "en"
  }'

# 返回: {"task_id": "xxx", "status": "pending"}

# 2. 轮询结果
curl "https://mineru.net/api/v4/extract/task/{task_id}" \
  -H "Authorization: Bearer $MINERU_TOKEN"

# 返回: {"status": "done", "result": {...}}

批量解析

# 1. 获取上传 URL
curl -X POST "https://mineru.net/api/v4/file-urls/batch" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -d '{"file_names": ["paper1.pdf", "paper2.pdf"]}'

# 2. 上传文件到返回的 presigned URLs

# 3. 批量提交任务
curl -X POST "https://mineru.net/api/v4/extract/task/batch" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -d '{"files": [{"url": "...", "name": "paper1.pdf"}, ...]}'

---

⚙️ 参数说明

参数	类型	说明
url	string	文件 URL (支持 http/https)
enable_formula	bool	启用公式识别 (默认 true)
enable_table	bool	启用表格识别 (默认 true)
layout_model	string	doclayout_yolo (快) / layoutlmv3 (准)
language	string	en / ch / auto
model_version	string	pipeline / vlm / MinerU-HTML

模型版本对比

版本	速度	准确度	适用场景
pipeline	⚡ 快	高	常规文档
vlm	🐢 慢	最高	复杂版面
MinerU-HTML	⚡ 快	高	网页样式输出

---

📂 输出结构

解析完成后下载的 ZIP 包含：

output/
├── full.md           # 完整 Markdown
├── content_list.json # 结构化内容
├── images/           # 提取的图片
└── layout.json       # 版面分析结果

---

🔧 OpenClaw 集成工作流

论文解析流程

# 1. 创建论文目录
mkdir -p "./paper-reading/[CVPR 2025] NewPaper"
cd "./paper-reading/[CVPR 2025] NewPaper"

# 2. 提交解析任务
TASK_ID=$(curl -s -X POST "https://mineru.net/api/v4/extract/task" \
  -H "Authorization: Bearer $MINERU_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://arxiv.org/pdf/XXXX.XXXXX"}' | jq -r '.task_id')

# 3. 等待完成 & 下载
# (轮询 status 直到 done，然后下载 result.zip)

# 4. 解压
unzip result.zip -d .

环境变量

在 ~/.bashrc 或 OpenClaw config 中设置：

export MINERU_TOKEN="your_api_key_here"

---

⚠️ 限制

限制	数值
单文件大小	200 MB
单文件页数	600 页
并发任务数	根据套餐

---

💡 使用技巧

1. arXiv 论文直接用 URL

   https://arxiv.org/pdf/2410.17247
   

2. 中文论文用 language: ch

3. 复杂表格用 vlm 模型

4. 批量处理省 quota

   • 一次提交多个文件，比单个提交更高效

---

📚 相关资源

• Paper Banana Skill - 论文配图生成

---

论文解析不再手动复制粘贴！📖