|
@@ -45,14 +45,25 @@
|
|
|
<li>
|
|
<li>
|
|
|
<a href="#mineru">MinerU</a>
|
|
<a href="#mineru">MinerU</a>
|
|
|
<ul>
|
|
<ul>
|
|
|
- <li><a href="#introduction">MinerU简介</a></li>
|
|
|
|
|
- <li><a href="#key-features">主要功能</a></li>
|
|
|
|
|
- <li><a href="#getting-started">快速开始</a></li>
|
|
|
|
|
- <li><a href="#usage">使用</a></li>
|
|
|
|
|
- <li><a href="#使用GPU">使用</a></li>
|
|
|
|
|
|
|
+ <li><a href="#项目简介">项目简介</a></li>
|
|
|
|
|
+ <li><a href="#主要功能">主要功能</a></li>
|
|
|
|
|
+ <li><a href="#快速开始">快速开始</a>
|
|
|
|
|
+ <ul>
|
|
|
|
|
+ <li><a href="#在线体验">在线体验</a></li>
|
|
|
|
|
+ <li><a href="#使用cpu快速体验">使用CPU快速体验</a></li>
|
|
|
|
|
+ <li><a href="#使用gpu">使用GPU</a></li>
|
|
|
|
|
+ </ul>
|
|
|
|
|
+ </li>
|
|
|
|
|
+ <li><a href="#使用">使用</a>
|
|
|
|
|
+ <ul>
|
|
|
|
|
+ <li><a href="#命令行">命令行</a></li>
|
|
|
|
|
+ <li><a href="#api">API</a></li>
|
|
|
|
|
+ <li><a href="#二次开发">二次开发指南</a></li>
|
|
|
|
|
+ </ul>
|
|
|
|
|
+ </li>
|
|
|
</ul>
|
|
</ul>
|
|
|
</li>
|
|
</li>
|
|
|
- <li><a href="#todo">TODO</a></li>
|
|
|
|
|
|
|
+ <li><a href="#todo">TODO List</a></li>
|
|
|
<li><a href="#known-issue">Known Issue</a></li>
|
|
<li><a href="#known-issue">Known Issue</a></li>
|
|
|
<li><a href="#faq">FAQ</a></li>
|
|
<li><a href="#faq">FAQ</a></li>
|
|
|
<li><a href="#all-thanks-to-our-contributors">Contributors</a></li>
|
|
<li><a href="#all-thanks-to-our-contributors">Contributors</a></li>
|
|
@@ -69,10 +80,11 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
# MinerU
|
|
# MinerU
|
|
|
-## Introduction
|
|
|
|
|
-Magic-PDF 是一款将 PDF 转化为 markdown 格式的工具。支持转换本地文档或者位于支持S3协议对象存储上的文件。
|
|
|
|
|
|
|
+## 项目简介
|
|
|
|
|
+MinerU是一款将PDF转化为机器可读格式的工具(如markdown、json),可以很方便地抽取为任意格式。
|
|
|
|
|
+MinerU诞生于[书生-浦语](https://github.com/InternLM/InternLM)的预训练过程中,我们将会集中精力解决科技文献中的符号转化问题,以此在大模型时代推动人类科技的发展。
|
|
|
|
|
|
|
|
-## Key Features
|
|
|
|
|
|
|
+## 主要功能
|
|
|
|
|
|
|
|
- 删除页眉、页脚、脚注、页码等元素,保持语义连贯
|
|
- 删除页眉、页脚、脚注、页码等元素,保持语义连贯
|
|
|
- 符合人类阅读顺序的排版格式
|
|
- 符合人类阅读顺序的排版格式
|
|
@@ -84,7 +96,7 @@ Magic-PDF 是一款将 PDF 转化为 markdown 格式的工具。支持转换本
|
|
|
- 支持windows/linux/mac平台
|
|
- 支持windows/linux/mac平台
|
|
|
|
|
|
|
|
|
|
|
|
|
-## Getting Started
|
|
|
|
|
|
|
+## 快速开始
|
|
|
|
|
|
|
|
如果遇到任何问题,请先查询<a href="#faq">FAQ</a>
|
|
如果遇到任何问题,请先查询<a href="#faq">FAQ</a>
|
|
|
如果遇到效果不及预期,查询<a href="#known-issue">Known Issue</a>
|
|
如果遇到效果不及预期,查询<a href="#known-issue">Known Issue</a>
|
|
@@ -93,7 +105,7 @@ Magic-PDF 是一款将 PDF 转化为 markdown 格式的工具。支持转换本
|
|
|
- 使用CPU快速体验(Windows,Linux,Mac)
|
|
- 使用CPU快速体验(Windows,Linux,Mac)
|
|
|
- Linux/Windows + GPU
|
|
- Linux/Windows + GPU
|
|
|
|
|
|
|
|
-### Online Demo
|
|
|
|
|
|
|
+### 在线体验
|
|
|
|
|
|
|
|
[在线体验点击这里](TODO)
|
|
[在线体验点击这里](TODO)
|
|
|
|
|
|
|
@@ -109,7 +121,7 @@ Magic-PDF 是一款将 PDF 转化为 markdown 格式的工具。支持转换本
|
|
|
- [windows10/11 + GPU]()
|
|
- [windows10/11 + GPU]()
|
|
|
|
|
|
|
|
|
|
|
|
|
-## Usage
|
|
|
|
|
|
|
+## 使用
|
|
|
|
|
|
|
|
### 命令行
|
|
### 命令行
|
|
|
|
|
|
|
@@ -152,6 +164,14 @@ TODO
|
|
|
|
|
|
|
|
# TODO
|
|
# TODO
|
|
|
|
|
|
|
|
|
|
+- [ ] 基于语义的阅读顺序
|
|
|
|
|
+- [ ] 正文中列表识别
|
|
|
|
|
+- [ ] 正文中代码块识别
|
|
|
|
|
+- [ ] 目录识别
|
|
|
|
|
+- [ ] 表格识别
|
|
|
|
|
+- [ ] 化学式识别
|
|
|
|
|
+- [ ] 几何图形识别
|
|
|
|
|
+
|
|
|
|
|
|
|
|
# Known Issue
|
|
# Known Issue
|
|
|
- 阅读顺序基于规则的分割,在一些情况下会乱序
|
|
- 阅读顺序基于规则的分割,在一些情况下会乱序
|