国产开源的文档转换器:MinerU

简介

MinerU是由OpenDataLab团队打造的大模型时代的文档提取/转换神器

支持PDF、Word、PPT等多种文档的智能解析，可用于机器学习、大模型语料生产、RAG等场景…

特点.

• 多语种支持
• 多类型支持
• 导出格式为json markdown
• 客户端无需登录
• 开源免费
• 真国产(上海人工智能实验室)

使用效果

我用了一个很长的pdf文档来试了一下,解析的效果很好

渲染出来的markdown效果很好,但是某些公式识别的不够准确

一些复杂图标直接改成图片引用进行处理

转化为markdown方便编辑,转化为json方便数据处理

不过在转换成markdown中.标题都是一级标题,没有层次(这可能是pdf标题格式的问题?),导致我尝试在web渲染markdown时锚点全是h1,seo优化极差 : (

总结

总体来说效果还是不错的,未来应该会推出更多的格式转换

推荐大家试一试,有硬件条件的可以本地部署一个玩玩