手里的 PDF 喂不进知识库，MinerU 把这一环补上了

它解决的是哪个具体的麻烦

把 PDF 转成文字，工具早就一堆了。但只要你真拿论文、财报、合同去试过，就知道它们在哪儿翻车。

最常见的是双栏排版。学术论文、报纸、研究报告都爱用双栏，普通工具一读，从页面最左边一路读到最右边，左右两栏的句子全拼在一起，出来的东西根本没法看。

MinerU 会先分析页面布局，再按人眼真正的阅读顺序去提取。左边是原始的双栏论文，右边是它转出来的结果：

第二个是表格，这是 PDF 转换最容易崩的地方。合并单元格、多行表头、跨了三页的长表、甚至整张表是竖着印的，普通工具基本交白卷。

下面这张，左边是一张竖排的医学论文表格，右边是转出来的结果：

除了这两样，它还内置了 OCR，扫描件、老书、发票、拍下来的档案照片都能识别；论文里的公式会转成标准的 LaTeX 代码；输出会保留标题、正文、列表、图片、脚注这些层级，不是甩给你一整坨纯文本。

除了 PDF，图片、Word、PPT、Excel 它也能吃。转出来的东西是 Markdown 和 JSON 两种，前者你自己看、往知识库里放，后者给程序用。

它是上海人工智能实验室旗下 OpenDataLab 团队做的，目前 GitHub 上 7.7 万星。在 OmniDocBench 这个文档解析的公开评测里，它的成绩排在很前面。

怎么用：先说最省事的那条路

网上大部分教程一上来就教你装 Python、建虚拟环境、敲三条命令。那套流程没错，但对咱们大多数人来说根本不用走。

官网有打包好的客户端，下载装上就能用，Windows、苹果 M 芯片、Intel 芯片三个版本都有。

客户端在这儿：https://mineru.net/OpenSourceTools/Extractor

你只是想把手头几十份 PDF 转成 Markdown，客户端完全够用，拖进去就完事。

什么时候才需要装命令行版？两种情况：一是你要处理成百上千份文档、想写脚本自动跑；二是文件涉密，你希望全程连网都不联，所有处理都在自己电脑上完成。

想装命令行版的同学，官方的三条命令是这个：

pip install --upgrade pip
pip install uv
uv pip install -U "mineru[all]"

Python 装 3.10 到 3.13 之间的版本都行（Windows 是 3.10 到 3.12）。转一份文件也是一条命令，-p 后面跟文件，-o 后面跟输出目录：

mineru -p "论文.pdf" -o "output"

跑完打开 output 文件夹，Markdown、图片和相关文件都在里面。

它还支持批量，直接指定一个文件夹，让它一口气处理几百份。