乙太夏瓴

MinerU，作为一款全能、开源的文档与网页数据提取工具，致力于简化您的数据处理流程。它不仅能将混合了图片、表格、公式等在内的多模态PDF文档精准转化为清晰、易于分析的Markdown格式；还能从包含广告等各种干扰信息的网页中快速解析、抽取正式内容；

01快速识别与转换

MinerU中的Magic-PDF能够快速识别PDF版面元素，自动删除页眉、页脚、脚注等非正文内容，保留原文档的结构和格式，包括标题、段落、列表等，准确提取图片、表格和公式等多模态内容，并根据顺序，将文档转化为清晰、通顺、易读的Markdown格式。公式再多的文档也不用担心，在OpenDataLab自研的公式识别模型加持下，Magic-PDF也能轻松地将其转化为Latex格式，效果远超其他开源工具。另外乱码PDF、扫描版PDF等也能自动识别并转换……还有很多惊喜能力，等你发现。

02 Web网页信息轻松提取

常见的文章、论坛、音乐、视频等类型网页信息提取，MinerU中的Magic-Doc可以轻松剔出广告等干扰信息，快速搞定正文、评论、歌词、视频文字详情等关键内容转化。

03 多种格式电子书、文献批量搞定

MinerU中的Magic-Doc，还可以快速将8种以上格式转化为Markdown，做到文本图片全适配，支持电子书或文献的格式包括：epud、mobi、pptx、docx、chm、azw、txt、rtf等。

04 源码全开放，支持二次开发贯彻开源精神，助力高质量AI数据准备，集OpenDataLab自研成果于一体的 MinerU，源码完全开放，支持二次开发、“魔改”。（“炼丹”大神狂喜）