更新概览
2025.3.12 我做了个桌面GUI版本，还对官方的网页版进行了优化调整。此次更新新增了批量处理功能，支持多种文件格式，提升了在文档处理方面的效率和灵活性。
工具介绍
MinerU是一款开源免费的大语言模型语料处理工具，尤其适用于RAG等应用场景。它能够将PDF文档准确地转化为markdown格式，目前在市面上的PDF文档提取效果中表现出色。最新版本的MinerU还增加了对PDF中表格的识别功能，进一步丰富了其处理能力。
MinerU 官方仓库： https://github.com/opendatalab/MinerU
考虑到MinerU的环境配置相对复杂，特此制作了Windows系统的环境一键整合包，方便用户使用。该整合包包含使用说明文档，适用于Windows11系统（其他系统未测试，如有问题可留言反馈）。
下载地址
MinerU环境一键整合包下载地址 (含历史版本)
链接： https://pan.quark.cn/s/83422734cb89
使用说明
使用非常简单，无需复杂安装部署，下载后解压即可使用。已经包含了模型，整合了Python单独的环境以及所需的包，独立不干扰系统环境，小白也能轻松上手，也可用于二次开发。
使用前准备：需要安装网盘里面的cuda，安装cuda的教程可自行百度，如果已经安装请忽略。如果之前安装有cuda报错，可卸载之前的cuda，安装整合包中的cuda11.8版本。
解压注意事项：解压后可运行，可解压到任意位置，但路径最好不要包含中文或有空格的文件夹，以免导致各种问题。
网页版
点击运行"运行网页版.bat", 运行网页版界面,
和 https://www.modelscope.cn/studios/OpenDataLab/MinerU 功能一样
除此之外, 将页数限制改成了100000, 新增支持一次处理多个文件, 文件格式支持多种
桌面版
点击"运行桌面版.bat" 运行桌面版界面, 功能和网页版的差不多, 喜欢用哪个选哪个
目录说明
models # 模型目录
output # 输出文件夹
projects # 项目文件夹
python # 环境文件夹
magic-pdf.json # magic-pdf配置文件
small_ocr.pdf # PDF测试文件
运行桌面版.bat # 桌面版运行脚本
运行网页版.bat # 网页版运行脚本
脚本说明
如果需要使用脚本命令, 或需要是二次开发, 请解压到"D:\MinerU", 因为生成的exe硬编码了路径, 所以只能解压到这个位置, 不然路径会出错.
运行脚本方式1
可以先把"\MinerU\python" 和"D:\MinerU\python\Scripts"两个目录添加到系统环境变量, 这样可以直接运行官方命令
比如对一个路径为"PDF目录"里边的文件进行遍历转换处理, 命令行为
magic-pdf -p PDF目录 -o PDF输出目录 -m auto
运行脚本方式2
如果不添加到环境变量, 在"D:\MinerU" 目录下, 使用右键打开命令行输入
./python/Scripts/magic-pdf.exe -p PDF目录 -o PDF输出目录 -m auto
或者直接用绝对路径
D:/MinerU/python/Scripts/magic-pdf.exe -p PDF目录 -o PDF输出目录 -m auto
对python的包进行管理, 命令为
./python/python.exe -m pip install xxx
./python/python.exe -m pip install -U "magic-pdf[full]"
如果确实需要放到别的盘使用, 则需要重装pip和magic-pdf等你需要的包, 重装的时候会重新生成所在目录"python\Scripts"的exe文件
./python/python.exe -m pip install -U "magic-pdf[full]"
开发
在PyCharm里环境变量填python/python.exe所在目录
疑难解答
如运行遇到报错，建议留言附带电脑配置信息（如i7-11800H, 内存16G, 显卡RTX 3060 12G），所用系统（如Win11、Win10等），显卡驱动版本，cuda版本等，以便更好地排查问题。
