|
|
.. xtuner documentation master file, created by
|
|
|
sphinx-quickstart on Tue Jan 9 16:33:06 2024.
|
|
|
You can adapt this file completely to your liking, but it should at least
|
|
|
contain the root `toctree` directive.
|
|
|
|
|
|
欢迎来到 MinerU 文档库
|
|
|
==============================================
|
|
|
|
|
|
.. figure:: ./_static/image/logo.png
|
|
|
:align: center
|
|
|
:alt: mineru
|
|
|
:class: no-scaled-link
|
|
|
|
|
|
.. raw:: html
|
|
|
|
|
|
<p style="text-align:center">
|
|
|
<strong> 一站式、高质量的开源文档提取工具
|
|
|
</strong>
|
|
|
</p>
|
|
|
|
|
|
<p style="text-align:center">
|
|
|
<script async defer src="https://buttons.github.io/buttons.js"></script>
|
|
|
<a class="github-button" href="https://github.com/opendatalab/MinerU" data-show-count="true" data-size="large" aria-label="Star">Star</a>
|
|
|
<a class="github-button" href="https://github.com/opendatalab/MinerU/subscription" data-icon="octicon-eye" data-size="large" aria-label="Watch">Watch</a>
|
|
|
<a class="github-button" href="https://github.com/opendatalab/MinerU/fork" data-icon="octicon-repo-forked" data-size="large" aria-label="Fork">Fork</a>
|
|
|
</p>
|
|
|
|
|
|
|
|
|
项目介绍
|
|
|
--------------------
|
|
|
|
|
|
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，希望在大模型时代为科技发展做出贡献。
|
|
|
相比国内外知名商用产品MinerU还很年轻，如果遇到问题或者结果不及预期请到\ `issue <https://github.com/opendatalab/MinerU/issues>`__\ 提交问题，同时\ **附上相关PDF**\ 。
|
|
|
|
|
|
.. video:: https://github.com/user-attachments/assets/4bea02c9-6d54-4cd6-97ed-dff14340982c
|
|
|
|
|
|
主要功能
|
|
|
--------
|
|
|
|
|
|
- 删除页眉、页脚、脚注、页码等元素，确保语义连贯
|
|
|
- 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版
|
|
|
- 保留原文档的结构，包括标题、段落、列表等
|
|
|
- 提取图像、图片描述、表格、表格标题及脚注
|
|
|
- 自动识别并转换文档中的公式为LaTeX格式
|
|
|
- 自动识别并转换文档中的表格为LaTeX或HTML格式
|
|
|
- 自动检测扫描版PDF和乱码PDF，并启用OCR功能
|
|
|
- OCR支持84种语言的检测与识别
|
|
|
- 支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等
|
|
|
- 支持多种可视化结果，包括layout可视化、span可视化等，便于高效确认输出效果与质检
|
|
|
- 支持CPU和GPU环境
|
|
|
- 兼容Windows、Linux和Mac平台
|
|
|
|
|
|
|
|
|
用户指南
|
|
|
-------------
|
|
|
.. toctree::
|
|
|
:maxdepth: 2
|
|
|
:caption: 用户指南
|
|
|
|
|
|
user_guide
|
|
|
|
|
|
|
|
|
API 接口
|
|
|
-------------
|
|
|
本章节主要介绍函数、类、类方法的细节信息
|
|
|
|
|
|
目前只提供英文版本的接口文档，请切换到英文版本的接口文档！
|
|
|
|
|
|
|
|
|
附录
|
|
|
------------------
|
|
|
.. toctree::
|
|
|
:maxdepth: 1
|
|
|
:caption: 附录
|
|
|
|
|
|
additional_notes/known_issues
|
|
|
additional_notes/faq
|
|
|
additional_notes/glossary
|
|
|
|
|
|
|