Przejdź do treści
Biblioteka skilli
Dokumenty i biuro · Konwersja i formaty

mineru

/mineru

Wyciąga z trudnych PDF-ów, artykułów i skanów uporządkowany Markdown oraz JSON, z tabelami, wzorami LaTeX i wielokolumnowym układem.

Repozytorium
skill-for-ai ↗
Licencja
MIT
Ostatnia zmiana repozytorium
13.11.2026

Ocena i bezpieczeństwo

95/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść30 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 13.11.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wyciąga z trudnych PDF-ów, artykułów i skanów uporządkowany Markdown oraz JSON, z tabelami, wzorami LaTeX i wielokolumnowym układem.

Oryginalny opis (EN)

High-accuracy document parsing, formula extraction, and table OCR engine from opendatalab/MinerU. Use when extracting complex PDFs, research papers, academic textbooks, scanned documents, financial reports, mathematical formulas (LaTeX), or multi-column layouts into clean, structured Markdown and JSON for LLM RAG pipelines and knowledge ingestion.

Jak działa

  1. 1. Installation & CLI Usage
  2. 2. Key Capabilities
  3. 3. Python Integration for Agent Pipelines
Sekcje z nagłówków SKILL.md, w oryginale · 62 linii, 268 słów
Podgląd SKILL.md
---
name: mineru
description: High-accuracy document parsing, formula extraction, and table OCR engine from opendatalab/MinerU. Use when extracting complex PDFs, research papers, academic textbooks, scanned documents, financial reports, mathematical formulas (LaTeX), or multi-column layouts into clean, structured Markdown and JSON for LLM RAG pipelines and knowledge ingestion.
---

# MinerU (Advanced Document & PDF Parsing Engine)

MinerU (`opendatalab/MinerU` / `magic-pdf`) parses raw, messy, or scanned PDFs and documents into clean, structured Markdown while preserving mathematical formulas (LaTeX), tables, multi-column reading orders, and image assets.

## 1. Installation & CLI Usage

Install MinerU via Python / uv:
```bash
# Install with full OCR & layout models
uv pip install -U "magic-pdf[full]"

# Or minimal layout parser
uv pip install mineru
```

### CLI Command Execution:
```bash
# Convert a single PDF into Markdown + extracted images
magic-pdf -p document.pdf -o ./output_dir -m auto

# Parse with dedicated OCR mode (for scanned documents)
magic-pdf -p scanned.pdf -o ./output_dir -m ocr

# Parse with high-speed text extraction (for digital vector PDFs)
magic-pdf -p paper.pdf -o ./output_dir -m txt
```

---

## 2. Key Capabilities

| Capability | What It Does |
| :--- | :--- |
| **Formula Extraction** | Detects inline ($...$) and block ($$...$$) mathematical formulas and outputs standardized LaTeX KaTeX syntax. |
| **Table Recognition** | Reconstructs complex merged cells and nested rows into clean HTML or Markdown tables. |
| **Reading Order Reconstruction**| Eliminates multi-column fragmentation (left-to-right academic paper reading flow). |
| **Artifact Removal** | Strips out headers, footers, page numbers, and watermarks that pollute LLM context windows. |

---

## 3. Python Integration for Agent Pipelines

```python
from magic_pdf.data.data_reader_writer import FileBasedDataReader, FileBasedDataWriter
from magic_pdf.pipe.UNIPipe import UNIPipe

def parse_pdf_for_agent(pdf_path: str, output_dir: str) -> str:
    reader = FileBasedDataReader("")
    pdf_bytes = reader.read(pdf_path)
    
    # Initialize pipeline
    pipe = UNIPipe(pdf_bytes, {"_pdf_type": "auto"}, output_dir)
    pipe.pipe_classify()
    pipe.pipe_analyze()
    pipe.pipe_parse()
    
    # Generate clean Markdown output
    md_content = pipe.pipe_mk_markdown(output_dir, drop_mode="none")
    return md_content
```

Wersje

RepozytoriumWynikLicencja
Ta strona · taianh20102011/skill-for-ai95MIT
TerminalSkills/skills100Apache-2.0
znlgis/opengis-skills100MIT
nebutra/mineru-skill100MIT
opendatalab/mineru95Apache-2.0
nebutra/mineru-skill90MIT

Migawka bazy z 13.11.2026 · wersja paczki b2a2492b7622 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100mineru-extract
    Konwertuje adres URL (stronę HTML, na przykład artykuł z WeChat, lub link do PDF, Office i obrazu) na czysty Markdown i dane strukturalne przez oficjalne API MinerU.
  • 100mineru-pdf-to-markdown
    Konwertuje PDF-y i dokumenty naukowe do Markdowna przez MinerU przed czytaniem i analizą, z zachowaniem równań, tabel i zeskanowanych stron, których zwykła ekstrakcja tekstu nie oddaje.
  • 100mistral-pdf-to-markdown
    Konwertuje pliki PDF na Markdown z wyodrębnionymi obrazami za pomocą Mistral OCR, zwłaszcza dla skanów i dokumentów ze złożonym układem.
  • 95doc-to-markdown
    Zamienia dokumenty Word .doc i .docx na czysty Markdown przy użyciu MinerU, do czytania lub edycji.
  • 95do.pdf-to-markdown
    Zamienia PDF na wierny Markdown z kontrolą pokrycia stron i sekcji, zwłaszcza w artykułach z wzorami, tabelami i kolumnami.
  • 100academic-pdf-to-mkd
    Wyodrębnia artykuły naukowe z PDF do ustrukturyzowanego Markdown z tekstem, rysunkami, tabelami i miniaturami stron, automatycznie dobierając silnik ekstrakcji i OCR.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.