自动排版把格式不一的文档（PDF、扫描件、Word/Excel、OFD、EPUB）批量转成带标题层级与表格结构的 Markdown，可以人读，也可以直接交给检索或问答系统接着用
项目介绍
由 OpenDataLab 维护的文档解析工具，目标是把真实业务里格式混杂的文档变成大模型与检索系统能直接吃的结构化文本；除解析能力外，仓库还把一份给智能体用的使用说明放在开头，说明它期望被当成“读文档的首选工具”而不是通用 PDF 库
主要应用领域
供应商报价单、产品手册、合同附件归成可检索档案；几十份标书拆成条款表格；纸质台账扫描件转成可编辑文本
关键技术
本地部署的解析工具，同时提供网页版；能识别表格、公式与版面并保留页码级定位；本地跑需装依赖与模型，建议有 GPU 或按量使用网页版
实用价值
原来靠人复制粘贴或截图拼接，一小时只能处理几份；批量处理后几十份一次完成且保留表格结构，下游检索才能对上原文。差异在结构保留，不是光抽出文字
局限
扫描质量差、手写体、盖章遮挡仍会出错，必须抽查；版面复杂的老报表不保证还原；本机跑要装环境，而网页版会把文件传到外部，这两条得先定哪个能接受
开源协议
Apache-2.0 with additional terms
实际协议为 Apache-2.0 加附加条款（见 LICENSE.md）：商用无需单独授权，但满足月活超 1 亿或月收入超 2000 万美元任一条件时须先取得单独商业许可；基于它向第三方提供在线服务时必须在界面或对外文档里标明使用了 MinerU，两项触发任一未满足即许可自动终止
协议解读供选型参考，不构成法律意见。
推荐理由
值得采用（资料量大、格式杂的部门优先）。许可需注意：Apache-2.0 附加条款规定月活超 1 亿或月收入超 2000 万美元需另取商业许可，且对外提供服务时须显著标注使用了 MinerU。可与历史简报里已推荐的 Umi-OCR（2026-11-08）串成“先识别、再结构化”，再交给 RAGFlow（2026-11-06）建内部问答；这一链路是方案推演，本轮未联调
观测
Star83395；观测时间：2026-11-10T04:50:00Z
暂无可比增长基线
开源代码
专业社区口碑
未找到可靠口碑
本轮未检索到可引用的第三方使用反馈，只读了官方文档与协议
缺讨论不代表不可用，但也意味着真实场景下的识别失败率尚无外部样本
类似项目推荐
模型知识参考，未在线核验；名称、维护状态和许可证需另行核实。