开源文档解析天花板 MinerU 4.0：PDF 图片 Office 等任意文档都支持

01 引言

在分享RapidOCR的项目的时候，有老铁提到了MinerU项目，今天特意了解一下。才发现这是一个巨无霸，功能也更丰富。顺便整理了一下分享给大家。

02 简介

MinerU 是上海人工智能实验室 OpenDataLab 团队开源的一站式文档解析工具，核心目标只有一个：

把 PDF / 图片 / Office 等任意文档，高质量转换成 LLM 就绪的 Markdown / JSON。

MinerU 4.0 将多格式文档解析、文档库和服务工具整合到统一工作流，面向文档转换、应用集成和 Agent 阅读。MinerU 不是 RAG 框架、不是向量数据库、不是 chat-with-doc 应用。它只负责"文档 → 结构化内容"这一层，是 Agent / RAG 链路最上游的"数据清洗器"。

特点：

MinerU 4.0 将多格式文档解析、文档库和服务工具整合到统一工作流，面向文档转换、应用集成和 Agent 阅读。

四档解析 ：Flash 用于快速预览与索引，Basic 提供基础 OCR/模型解析，Standard 与 Advanced 面向更复杂的版面和更高的质量需求。
多格式输入 ：PDF、图片，以及 DOC/DOCX、PPT/PPTX、XLS/XLSX、RTF、ODT/ODS/ODP、EPUB、OFD、HTML/MHTML、CSV/TSV。原生文档由 DocVortex 提供解析能力。
文档库与 Agent 阅读：发现文件、缓存结果、搜索内容，按页或块继续阅读，并保留稳定引用位置。
独立模型配置 ：小模型选择 ONNX 或 Torch；VLM 独立选择 llama.cpp、vLLM、LMDeploy。
统一工具入口 ：Python SDK、V1 API、无状态批处理、多服务 Router 和基于 Gradio 的 WebUI。
结构化结果与渲染 ：统一文档模型支持 Markdown、HTML、LaTeX、DOCX、EPUB、PDF、Structured Content、Content List V1/V2 九种渲染目标；各 CLI/API 的导出范围见输出格式与结果协议.

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

官网地址：https://opendatalab.github.io/MinerU/

03 部署

官方提供了多种部署方式，我们以docker部署为例。Docker Compose有分为多个profile。我们部署webui。

3.1 克隆仓库

GitHub 直连慢，走 githubfast 镜像.

bash 复制代码

git clone https://githubfast.com/opendatalab/MinerU.git
cd MinerU

3.2 构建

bash 复制代码

docker compose -f docker/compose.yaml --profile webui up -d

构建过程可能不会失败。如果使用需要使用国内的自建镜像

bash 复制代码

docker build -t mineru:4 -f docker/china/Dockerfile .

现在很多SSH有了AI的能力，可以直接将文档给它，让它直接部署。

构建完成之后会发现这个镜像超级大：

因为里面包含了大模型。

04 测试

访问：ip:7860即可看到页面：

选了一张图片发现失败了：

是使用这里使用的纯CPU，它是有限制的，可以将解析登记降到basic

05 小结

用到项目中可以使用：

bash 复制代码

docker compose -f docker/compose.yaml --profile api up -d

通过API的方式调用。纯CPU的话，感觉还是有点鸡肋，反应不是那么快，占的空间还大。