今天分享一个开源框架，之前分享过类似的工具，但是这个做的更深入，可以将各种格式如pdf中的文本、图片、表格、公式转成markdown。
MinerU 是一款一站式、开源、高质量的数据提取工具，包含Magic-PDF、Magic-Doc 2大组件，分别用于 PDF文档提取、网页与电子书提取。
主要功能包含
- 支持多种前端模型输入
- 删除页眉、页脚、脚注、页码等元素
- 符合人类阅读顺序的排版格式
- 保留原文档的结构和格式，包括标题、段落、列表等
- 提取图像和表格并在markdown中展示
- 将公式转换成latex
- 乱码PDF自动识别并转换
- 支持cpu和gpu环境
- 支持windows/linux/mac平台
太厉害了，看视频介绍~
架构图：
支持多格式文献：
支持176种语言准确识别
开源地址：
https://github.com/opendatalab/MinerU
PS：给公众号添加【星标⭐️】不迷路！您的点赞、在看、关注 是我坚持的最大动力！
欢迎多多关注公众号「NLP前沿」，加入交流群，交个朋友吧，一起学习，一起进步！
最新文章推荐阅读