什么是MinerU OCR Local & API
MinerU OCR Local & API 是一个专为复杂文档解析设计的工具，支持通过托管的 MinerU API 或本地开源运行时对 PDF 和图像类文档进行高精度解析。该工具能够自动识别并提取文本、公式、表格及结构化内容，适用于需要从非结构化文档中快速获取信息的场景。其核心优势在于同时提供云端服务与本地化部署两种模式，用户可根据数据安全需求、网络环境或计算资源灵活选择。无论是学术论文、技术报告还是商业合同，MinerU 都能将其转换为标准化的 Markdown 格式，便于后续处理与分析。 该工具采用统一的调用接口，通过 `mineru_caller.py` 脚本实现跨平台操作，支持 Windows、Linux 和 macOS 系统。它内置智能路由机制，在 `–mode auto` 下可自动判断使用 API 还是本地模式，极大提升了使用便利性。对于开发者而言，MinerU 提供了清晰的输出规范：所有结果以 JSON 信封形式返回，包含原始任务响应、最终解析状态以及生成的文件路径，确保数据可追溯且易于集成到自动化流程中。此外，工具还支持多语言识别、OCR 强制启用、公式渲染优化等高级配置选项，满足不同语种和专业领域的需求。
核心功能特点
- 支持托管 API 与本地开源运行时双模式运行，兼顾便捷性与数据隐私
- 统一调用接口 `mineru_caller.py`，简化命令行操作流程
- 自动路由机制（auto 模式）智能选择最优解析方式
- 完整输出 JSON 信封结构，包含任务详情、错误信息及生成文件路径
- 支持多语言识别与 OCR 强制处理，适应复杂排版文档
- 可配置后端引擎、模型源与设备类型，满足特殊部署环境需求
适用场景
MinerU OCR Local & API 特别适合处理难以直接读取的扫描版 PDF、图像嵌入文档或混合图文的专业资料。例如，科研工作者常需将大量纸质论文数字化，而传统文本提取工具无法正确还原数学公式与图表布局；此时 MinerU 可通过 OCR 模式精准还原内容，并以结构化 Markdown 输出，方便导入文献管理系统或知识库平台。企业法务部门在处理合同扫描件时，也可借助该工具快速抽取关键条款与签名区域信息，提升文档审核效率。 在开发环境中，MinerU 常被用于构建自动化文档处理流水线。由于支持本地运行且不依赖外部网络，它非常适合企业内部私有云部署，保障敏感数据不出域。同时，其标准化的输出格式（如 `full.md` 主文档、`middle.json` 中间结果）使开发者能轻松对接 IDE、代码仓库或 AI 训练数据集生成流程。对于需要批量处理数千份报告的场景，MinerU 的高效批处理能力结合 `–no-wait` 异步提交选项，可显著降低整体耗时。此外，当 Hugging Face 访问受限（如某些国内科研机构），用户还可切换至 ModelScope 模型源继续正常使用本地推理功能。