MinerU 深度解析：62.7k Star 的文档解析引擎，从 PDF 到 Markdown 只用一行命令

📝

深度剖析 MinerU v3.1.11：OpenDataLab 开源的文档解析引擎，62.7k Star，支持 PDF/DOCX/PPTX/XLSX → Markdown/JSON，VLM+OCR 双引擎，MCP Server 集成，109 种语言，全面适配国产算力。

原文：https://github.com/opendatalab/MinerU

一句话说清楚 MinerU 是什么

MinerU 是 OpenDataLab 开源的文档解析引擎，核心能力：将 PDF、DOCX、PPTX、XLSX、图片、网页 一键转为结构化的 Markdown 或 JSON。

如果用过 Pandoc、PyMuPDF、Marker 等工具被表格错位/公式丢失/多栏混乱折磨过，MinerU 值得一试。

截至 2026 年 5 月，62,724 Stars | 5,286 Forks。诞生于上海 AI 实验室 InternLM 的预训练过程，初期专门解决科技文献中的符号转换问题，如今已演进为企业级文档解析基座。

核心能力矩阵

能力	说明
输入格式	PDF、DOCX、PPTX、XLSX、图片、网页
输出格式	Markdown、JSON（按阅读顺序排列）、丰富中间格式
公式处理	自动识别 → LaTeX
表格处理	自动识别 → HTML，支持跨页表格合并
语言支持	OCR 识别 109 种语言
版面处理	多栏布局、手写体、扫描件、页眉页脚自动去除
段落合并	截断段落智能合并，输出符合人类阅读顺序
可视化	Layout 可视化、Span 可视化，方便质检

v3.0 → v3.1：关键跃迁

v3.0.0（2026-03-29）：系统级重构

• DOCX 原生解析：不再先转 PDF 再解析，端到端速度提升数十倍，无幻觉
• Pipeline 精度跃升：OmniDocBench v1.5 得分 86.2，超过上一代 VLM
• API/CLI/Router 编排升级：新增异步任务接口、mineru-router 多 GPU 负载均衡
• 线程安全：全面支持多线程并发推理
• 移除 AGPLv3 依赖：彻底移除 doclayoutyolo、mfd_yolov8（AGPLv3）和 layoutreader（CC-BY-NC-SA 4.0）

v3.1.0（2026-04-18）：开放与精度

• 许可证升级：从 AGPLv3 切换至基于 Apache 2.0 的 MinerU 开源许可证，降低商业接入门槛
• VLM 模型升级：MinerU2.5-Pro-2604-1.2B，支持子图切分、图表解析、表格内图像识别
• 全格式覆盖：PPTX、XLSX 原生解析完成，实现图片/PDF/DOCX/PPTX/XLSX 端到端

最新版本 v3.1.11（2026-05-09），持续优化管道模式的表格解析性能。

三种推理后端，适配不同场景

后端	精度	硬件需求	适合场景
pipeline	85+	CPU 可跑，GPU 4GB 显存	快速稳定，无幻觉，主流选择
hybrid-engine	95+	GPU 8GB 显存	高精度 + 低幻觉
vlm-engine	95+	GPU 8GB 显存	最高精度，复杂版面
http-client	95+	2GB 显存	对接 OpenAI 兼容服务器，轻量客户端

内存最低 16GB，推荐 32GB+。磁盘 20GB+（SSD 推荐）。Python 3.10~3.13。

生态集成

MinerU 不只是命令行工具，已有完整集成生态：

• AI 编程工具：MCP Server → Cursor / Claude Desktop / Windsurf
• RAG 框架：LangChain / LlamaIndex / RAGFlow / Dify / FastGPT
• 开发集成：Python / Go / TypeScript SDK、CLI、REST API、Docker
• 零代码：mineru.net 在线版、Gradio WebUI、桌面客户端
• 国产算力：昇腾、寒武纪、燧原、沐曦、摩尔线程、昆仑芯、天数智芯、瀚博、太初元碁、海光、平头哥

快速安装

pip install -U 'mineru[core]'
mineru -p /path/to/file.pdf -o /path/to/output

输出目录结构清晰：images/（提取的图片）、output.md（结构化 Markdown）、output.json（按阅读顺序的 JSON）。

与同类工具对比

工具	Stars	核心优势	劣势
MinerU	62.7k	VLM+OCR 双引擎，多格式原生解析	部署较重，GPU 需求
MarkItDown	41k	轻量，微软出品	仅转 Markdown，复杂表格弱
PyMuPDF	—	轻量，纯 Python	无 OCR，无公式识别
Pandoc	35k+	格式转换之王	无 OCR，版面保真度低
Marker	16k	快速 PDF→Markdown	DOCX/PPTX 支持弱

值得注意的问题

1. 部署门槛：虽然 pipeline 支持 CPU，但推荐配置仍偏高（16GB 内存、20GB 磁盘）
2. 复杂版面仍有瑕疵：手写体、极端多栏布局可能不如预期
3. 大模型依赖：hybrid/vlm 后端需要 GPU，本地部署成本不低
4. 社区生态：与 MarkItDown 相比，MinerU 更偏学术/企业场景

适合谁用

• RAG 系统搭建者：需要将大量 PDF/Office 文档转 Markdown 喂给 LLM
• Agent 开发者：MCP Server 集成，文档→知识一步到位
• 科研人员：公式/表格/多栏论文精准提取
• 企业文档处理：多 GPU 部署、国产算力适配、私有化离线部署

---

一行总结：MinerU 是目前 GitHub 上最活跃、综合能力最强的开源文档解析引擎——如果文档解析是你的瓶颈，先跑一遍 MinerU 试试。