MinerU WebUI 实用教程从 PDF 解析到 Markdown 的完整路径【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerUMinerU 把杂乱的 PDF、扫描件和 Office 文档转成干净的 Markdown 与 JSON它的 Gradio WebUI 版本不用敲任何命令行拖进文件、选个后端就能拿到能直接读的结果。这篇文章读完你会拿到一条命令装好、一条命令起界面页面上每个选项是什么、什么时候用三个不配也能跑、配了更顺手的选项第一次运行最容易踩的坑 安装并启动两条命令跑出第一个 PDF 解析结果先对一下环境差距不大就能直接开始项目最低要求推荐配置Python3.103.10–3.13内存16 GB32 GB 以上显卡集显NVIDIA 8 GB 以上磁盘20 GB50 GB下面这条命令安装[core]扩展包里面已包含 vlm、pipeline 两种解析后端和 Gradio 前端一条装全pip install -U mineru[core]执行完终端会打出Successfully installed ...看到这一行就说明依赖齐了。接着启动 WebUI首次运行会自动下载模型耐心等它跑完mineru-gradio --server-name 0.0.0.0 --server-port your_port终端最后打印出 Gradio 服务地址时就算启动成功。浏览器打开后你会看到左侧上传区、右侧结果区的双栏界面想先试试效果可以直接点界面上的内置示例文件无需自己准备文档。 看懂 WebUI 上的四件事整个界面就一条任务线上传文件 → 选解析后端 → 设识别选项 → 拿 Markdown。1. 上传与预览拖入 PDF、图片或者 DOCX / PPTX / XLSX。PDF 走版面检测路线Office 文件走专用的办公文档解析链路。上面这张图就是解析的第一步模型先在页面上圈出段落、公式、表格各自的位置再逐块转换所以结果能保持原文的版式结构。2. 选解析后端Hybrid推荐默认项混合引擎精度上限最高Pipeline稳定多语言传统多模型管线资源占用低、无幻觉问题适合多语种文档VLM高精度中英文多模态大模型端到端解析中英文场景效果最好Remote VLM / Remote Hybrid连接已部署的 OpenAI 兼容服务本机几乎不耗资源选中 Hybrid 后会多出一个解析强度medium 更快high 更准但更慢。3. 设识别选项表格识别、公式识别、图片分析、OCR 语言、强制 OCR共五个开关。多数人保持默认即可强制 OCR 是最后手段只在识别结果差到没法看时打开且要先选对语言。4. 拿结果结果区有三个页签Markdown 渲染公式直接画出来适合人眼检查、Markdown 文本复制源码用、JSON 内容列表结构化内容给程序调用。⚙️ 三个可选配置不配能跑配了更顺手场景模型下载慢或卡死推荐值启动前执行export MINERU_MODEL_SOURCEmodelscope为什么默认模型源是 HuggingFace国内网络经常连不上这个环境变量对所有 MinerU 命令生效一次设置后启动、解析都走 ModelScope。场景大文档想控制资源消耗推荐值mineru-gradio --max-convert-pages your_max_pages为什么默认最多解析 1000 页。给个上限可以避免误传超大文档时把内存和显存吃满解析中途报错。场景机器上已有解析服务推荐值mineru-gradio --api-url http://127.0.0.1:api_port为什么WebUI 本身不做解析它是把任务转给一个 mineru-api 服务。如果服务已经常驻直接传地址复用它免得每次启动界面都临时拉起一个。 按场景选配置三个真实任务扫描件合同归档推荐组合Pipeline 后端 正确的 OCR 语言 打开强制 OCR。 一句话理由扫描件自带文本层残缺让 OCR 从头认字比让大模型猜更稳。把 PPT、Excel 变成知识库素材推荐组合Hybrid 后端 表格识别开启 图片分析开启。 一句话理由Office 文档的价值主要在图表里表格识别直接产出结构化内容省去二次整理。给大模型喂文档上下文推荐组合VLM 后端中英文文档 拿 JSON 内容列表。 一句话理由程序按结构化 JSON 切块投喂比直接塞 Markdown 原文可控得多。️ 避坑五个高频现象一句话解法现象原因一句话解法界面起不来7860 端口被占用--server-port your_port换个端口模型下载卡住HuggingFace 连不上export MINERU_MODEL_SOURCEmodelscope后重启大文档解析爆显存页数过多调低--max-convert-pages或改用 Pipeline扫描件出来是乱码OCR 语言没选对在 OCR Language 选对应语言再转一次Markdown 里公式不显示渲染器不认当前分隔符用--latex-delimiters-type all启动 收个尾第一次使用就用默认 Hybrid 后端加默认选项先把完整流程跑通再回头调参。国内网络先把模型源切到 modelscope能解决大半模型下不下来的问题。资源紧张时用 Pipeline 后端加页数上限精度损失可控体验不会断。成批的文档改用命令行mineru -p input -o output跑自动化WebUI 更适合单份文档和人工核对。以上内容基于 MinerU 3.4.x 编写参数细节和界面文案可能随版本更新遇到出入以官方文档的 usage 与 FAQ 章节为准。【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MinerU WebUI 实用教程：从 PDF 解析到 Markdown 的完整路径
MinerU WebUI 实用教程从 PDF 解析到 Markdown 的完整路径【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerUMinerU 把杂乱的 PDF、扫描件和 Office 文档转成干净的 Markdown 与 JSON它的 Gradio WebUI 版本不用敲任何命令行拖进文件、选个后端就能拿到能直接读的结果。这篇文章读完你会拿到一条命令装好、一条命令起界面页面上每个选项是什么、什么时候用三个不配也能跑、配了更顺手的选项第一次运行最容易踩的坑 安装并启动两条命令跑出第一个 PDF 解析结果先对一下环境差距不大就能直接开始项目最低要求推荐配置Python3.103.10–3.13内存16 GB32 GB 以上显卡集显NVIDIA 8 GB 以上磁盘20 GB50 GB下面这条命令安装[core]扩展包里面已包含 vlm、pipeline 两种解析后端和 Gradio 前端一条装全pip install -U mineru[core]执行完终端会打出Successfully installed ...看到这一行就说明依赖齐了。接着启动 WebUI首次运行会自动下载模型耐心等它跑完mineru-gradio --server-name 0.0.0.0 --server-port your_port终端最后打印出 Gradio 服务地址时就算启动成功。浏览器打开后你会看到左侧上传区、右侧结果区的双栏界面想先试试效果可以直接点界面上的内置示例文件无需自己准备文档。 看懂 WebUI 上的四件事整个界面就一条任务线上传文件 → 选解析后端 → 设识别选项 → 拿 Markdown。1. 上传与预览拖入 PDF、图片或者 DOCX / PPTX / XLSX。PDF 走版面检测路线Office 文件走专用的办公文档解析链路。上面这张图就是解析的第一步模型先在页面上圈出段落、公式、表格各自的位置再逐块转换所以结果能保持原文的版式结构。2. 选解析后端Hybrid推荐默认项混合引擎精度上限最高Pipeline稳定多语言传统多模型管线资源占用低、无幻觉问题适合多语种文档VLM高精度中英文多模态大模型端到端解析中英文场景效果最好Remote VLM / Remote Hybrid连接已部署的 OpenAI 兼容服务本机几乎不耗资源选中 Hybrid 后会多出一个解析强度medium 更快high 更准但更慢。3. 设识别选项表格识别、公式识别、图片分析、OCR 语言、强制 OCR共五个开关。多数人保持默认即可强制 OCR 是最后手段只在识别结果差到没法看时打开且要先选对语言。4. 拿结果结果区有三个页签Markdown 渲染公式直接画出来适合人眼检查、Markdown 文本复制源码用、JSON 内容列表结构化内容给程序调用。⚙️ 三个可选配置不配能跑配了更顺手场景模型下载慢或卡死推荐值启动前执行export MINERU_MODEL_SOURCEmodelscope为什么默认模型源是 HuggingFace国内网络经常连不上这个环境变量对所有 MinerU 命令生效一次设置后启动、解析都走 ModelScope。场景大文档想控制资源消耗推荐值mineru-gradio --max-convert-pages your_max_pages为什么默认最多解析 1000 页。给个上限可以避免误传超大文档时把内存和显存吃满解析中途报错。场景机器上已有解析服务推荐值mineru-gradio --api-url http://127.0.0.1:api_port为什么WebUI 本身不做解析它是把任务转给一个 mineru-api 服务。如果服务已经常驻直接传地址复用它免得每次启动界面都临时拉起一个。 按场景选配置三个真实任务扫描件合同归档推荐组合Pipeline 后端 正确的 OCR 语言 打开强制 OCR。 一句话理由扫描件自带文本层残缺让 OCR 从头认字比让大模型猜更稳。把 PPT、Excel 变成知识库素材推荐组合Hybrid 后端 表格识别开启 图片分析开启。 一句话理由Office 文档的价值主要在图表里表格识别直接产出结构化内容省去二次整理。给大模型喂文档上下文推荐组合VLM 后端中英文文档 拿 JSON 内容列表。 一句话理由程序按结构化 JSON 切块投喂比直接塞 Markdown 原文可控得多。️ 避坑五个高频现象一句话解法现象原因一句话解法界面起不来7860 端口被占用--server-port your_port换个端口模型下载卡住HuggingFace 连不上export MINERU_MODEL_SOURCEmodelscope后重启大文档解析爆显存页数过多调低--max-convert-pages或改用 Pipeline扫描件出来是乱码OCR 语言没选对在 OCR Language 选对应语言再转一次Markdown 里公式不显示渲染器不认当前分隔符用--latex-delimiters-type all启动 收个尾第一次使用就用默认 Hybrid 后端加默认选项先把完整流程跑通再回头调参。国内网络先把模型源切到 modelscope能解决大半模型下不下来的问题。资源紧张时用 Pipeline 后端加页数上限精度损失可控体验不会断。成批的文档改用命令行mineru -p input -o output跑自动化WebUI 更适合单份文档和人工核对。以上内容基于 MinerU 3.4.x 编写参数细节和界面文案可能随版本更新遇到出入以官方文档的 usage 与 FAQ 章节为准。【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考