# 开源高质量数据提取工具opendatalab.com/OpenSourceTools/Extractor/

*Published:* 2024-09-16
*Author:* 客服001

#### 温馨提醒

如果文章内容或图片资源失效，请留言反馈，我们会及时处理，谢谢

本文最后更新于2024年9月16日，已超过 180天没有更新



[![](https://www.xarjtc.com/wp-content/uploads/2024/09/9fdefd830b57e18.webp)](https://www.xarjtc.com/wp-content/uploads/2024/09/9fdefd830b57e18.webp)

一站式开源高质量数据提取工具，支持PDF/网页/多格式电子书提取。

MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 MinerU诞生于书生-浦语的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。

**主要功能：**

删除页眉、页脚、脚注、页码等元素，保持语义连贯

对多栏输出符合人类阅读顺序的文本

保留原文档的结构，包括标题、段落、列表等

提取图像、图片标题、表格、表格标题

自动识别文档中的公式并将公式转换成latex

自动识别文档中的表格并将表格转换成latex

乱码PDF自动检测并启用OCR

支持CPU和GPU环境

支持windows/linux/mac平台

在线体验：https://www.modelscope.cn/studios/OpenDataLab/MinerU

在线网址：https://opendatalab.com/OpenSourceTools/Extractor/

GitHub地址：https://github.com/opendatalab/MinerU