最新版PDF转Markdown格式软件MinerU一键启动整合包v0.10.0下载

MinerU是一款免费开源的PDF转Markdown格式软件，从MinerU软件刚开始发布我就和大家分享了，到现在很多人在用这款软件，而且MinerU功能也越来越强大，前天MinerU又将版本更新到了0.10.0版，而且更新了比较重要的功能。最近这一个月MinerU更新了4次，很多人都让我更新一下整合包，今天我做了最新版的MinerU一键启动整合包，大家有用得到PDF转Markdown场景的话，可以下载MinerU试一试。

MinerU介绍

一款用于将PDF转换为Markdown和JSON的高质量工具。开源数据导出工具，将PDF转换成Markdown和JSON格式。

MinerU更新日志

• 2024/11/22 0.10.0 发布。引入混合 OCR 文本提取功能，
  • 显著提升密集公式、不规则跨区域、文本以图片表示等复杂文本分布场景的解析性能。
  • 兼具文本模式下精准内容提取、速度更快的双重优势，以及OCR模式下更精准的跨度/行区域识别。
• 2024/11/15 发布 0.9.3 版本，集成RapidTable进行表格识别，单表解析速度提升10倍以上，准确率更高，GPU内存占用更低。
• 2024/11/06 0.9.2 发布。集成StructTable-InternVL2-1B模型，实现表格识别功能。
• 2024/10/31 0.9.0 发布。这是一个重要的新版本，进行了广泛的代码重构，解决了许多问题，提高了性能，降低了硬件要求并增强了可用性：
  • 重构sorting模块代码，使用layoutreader进行读取顺序排序，保证在各种布局下都有较高的准确率。
  • 重构段落拼接模块，在跨列、跨页、跨图、跨表的场景下达到良好效果。
  • 重构列表及目录识别功能，大幅提升列表块和目录块的准确率以及对应文本段落的解析。
  • 重构图表、表格及说明性文字的匹配逻辑，大幅提升图表图注及脚注匹配准确率，说明性文字的丢失率接近于零。
  • 增加OCR多语言支持，支持84种语言的检测和识别。支持语言列表请参见OCR语言支持列表。
  • 增加内存回收逻辑等内存优化措施，大幅降低内存占用，除表格加速（布局/公式/OCR）外所有加速特性开启内存需求由16GB降低至8GB，所有加速特性开启内存需求由24GB降低至10GB。
  • 优化配置文件功能开关，增加独立公式检测开关，在不需要公式检测的情况下，大幅提升速度和解析结果。
  • 集成PDF-Extract-Kit 1.0：
    • 增加了自主研发的模型，在保持解析效果相似的前提下，处理速度比原方案提高10倍以上，并可通过配置文件doclayout_yolo自由切换。layoutlmv3
    • 公式解析升级为unimernet 0.2.1，提高公式解析准确率的同时大幅降低内存占用。
    • 由于 的仓库变更PDF-Extract-Kit 1.0，您需要重新下载模型。详细步骤请参阅如何下载模型。

MinerU主要特点

• 删除页眉、页脚、脚注、页码等，以确保语义一致性。
• 以人类可读的顺序输出文本，适用于单列、多列和复杂布局。
• 保留原始文档的结构，包括标题、段落、列表等。
• 提取图像、图像描述、表格、表格标题和脚注。
• 自动识别文档中的公式并转换为 LaTeX 格式。
• 自动识别文档中的表格并转换为HTML格式。
• 自动检测扫描的 PDF 和乱码 PDF 并启用 OCR 功能。
• OCR支持84种语言的检测和识别。
• 支持多种输出格式，如多模式和 NLP Markdown、按阅读顺序排序的 JSON 以及丰富的中间格式。
• 支持多种可视化结果，包括布局可视化、跨度可视化，可有效确认输出质量。
• 支持 CPU 和 GPU 环境。
• 兼容 Windows、Linux 和 Mac 平台。

MinerU一键启动整合包使用说明：

首先到我网盘里将主程序压缩包MinerU_20241124.7z下载到电脑上解压，然后将模型文件PDF-Extract-Kit-1.0.7z下载到MinerU_20241124文件夹内并解压，这个最新版本和以前分享的老版本的模型是不兼容的，所以你得下载这个最新版的模型才行。

如果你以前用过MinerU这个软件的话，防止你以前用的版本和最新版本不兼容，先删除‪C:\Users\你的电脑用户名\magic-pdf.json文件。

打开MinerU项目文件夹找到【0启动软件.exe】，双击即可启动应用。

待处理文件一栏里可以是单个PDF文件名，也可以是包含多个PDF文件的文件夹名，可以直接拖动待处理文件或文件夹到程序窗口会自动填入路径输入框。

处理方法有auto,ocr,txt三种方式，ocr：使用ocr技术从pdf中提取信息。txt：仅适用于基于文本的pdf，效果优于ocr。auto：自动从ocr和txt中选择最佳方法解析pdf。如果未指定方法，则默认使用auto。

表格识别模型默认为rapid_table，你也可以改为”tablemaster” 或 “struct_eqtable”

表格识别功能默认是关闭的，开启这个功能的话会比较吃电脑配置，如果你PDF中没有表格的话，那么就不要开启这个功能了。

公式识别功能默认是开启的，如果你的PDF中没有公式的话，那么你可以关闭这个功能，以节省计算量。

最终识别结果在你选择的保存位置文件夹中，程序自动为每个文件夹以文件名命名，其中包含了md，json格式文件，还有提取到的图片等内容，具体可自行查看。

PDF转Markdown软件MinerU一键启动整合包v0.10.0下载链接：

https://pan.quark.cn/s/3ac958122ffe