MinerU

mineru.net · 读文档 · 开源自建 / CLI · 开源免费 · 自建即离线

把 PDF 转成 Markdown / JSON：扫描件、双栏论文、复杂表格基本保形，公式也认得出来。给知识库喂文档的第一步就用它。

短板：成批处理要自己写队列；极其复杂的版式仍会错行，转完要抽检。

这个站点还没有截图：抓取时被拦截或页面没渲染出来，所以这里不放图——不放空的图框，也不放别人的截图。

配套 skill：批量把 PDF 转成 Markdown（MinerU）

要把一堆 PDF（含扫描件、双栏论文、带表格的报告）转成能喂给模型/进知识库的文本，而且份数不是一两份。
可以复制成 pdf-batch-to-markdown/SKILL.md 放进 Claude Code，或作为 AGENTS.md 交给 Codex。

先单份试：拿最难的那一份（双栏/表格/扫描件）单独跑通，确认输出里有标题层级、表格、公式。
批量跑整个目录：把 ./inbox 里的文件一次喂进去，输出到 ./out，每份一个子目录。命令以官方 README 为准（不同版本 CLI 名称不同，别照抄旧教程）。
给每份产物写一行体检：页数、是否认出表格、是否存在乱序段落；把结果记成 CSV，不要只看一两份。
对失败的几份单独重跑并记录原因（纯图片、版式奇怪、加密），别直接丢进下一环节。
把产物按「原文件名.md」落盘，并保留一份到原始 PDF 的映射表——后面追错全靠它。