MinerU

MinerU 是上海AI实验室开源的一款PDF智能提取工具。它能将PDF、网页、电子书等文档内容转换为机器可读的结构化数据，如Markdown或JSON格式。MinerU 集成了布局分析、OCR识别、表格提取等技术模块，可以精准捕捉文档中的文本、表格、图片、公式等元素并重构输出。例如将学术论文的PDF转为Markdown笔记，或将财报PDF中的表格导出为可计算的数据集。MinerU 广泛应用于知识库构建、AI训练数据准备、科研资料整理等场景，大幅提高了复杂文档处理的效率。