MinerU-Document-Extractor

MinerU 文档提取 CLI 工具，通过 MinerU API 将 PDF、图像和网页转换为 Markdown、HTML、LaTeX 或 DOCX 格式。支持免令牌的快速提取（便于快速上手）、带表格/公式识别的精准提取、网页爬取、批量处理以及管道化工作流。 适用场景: - 从 PDF 文档中提取文本 - 将文档转换为 Markdown - 将网页爬取并转换为 Markdown - 批量文档处理 - 对扫描文档进行 OCR - 将 PDF 转换为 HTML、LaTeX 或 DOCX - 解析文档内容 - 读取 PDF 文件 - 从文档中提取表格 - 转换 Word 文档 - 无需登录的快速文档解析。

MinerU document extraction CLI that converts PDFs, images, and web pages into Markdown, HTML, LaTeX, or DOCX via the MinerU API. Supports token-free flash extraction for quick start, precision extraction with table/formula recognition, web crawling, batch processing, and piped workflows.