MinerU 调用方式

大数据面壁者

306人浏览 · 2026-07-23 23:39:35

大数据面壁者 · 2026-07-23 23:39:35 发布

简介

MinerU是一个"智能PDF阅读器"。

它能帮你：

📖 把PDF文档变成电脑能懂的格式
📊 自动提取表格、公式、图片
🔍 支持多种语言（中文、英文、日文等）
🚀 处理速度很快，准确率很高

调用方式

网页端使用

登录MinerU官网 MinerU 在线文档解析
上传本地文件进行解析

本地代码🔗云服务

到Mineru官网创建token，代码使用到（官网：mineru.net）
上传pdf到mineru服务方法

获取mineru转换之后文件，返回文件地址，根据地址下载文件

# 定义函数：使用 Mineru API 上传文件
def mineru_upload_file_demo():
    # 1. 导入需要的库
    import requests  # 发送 HTTP 请求

    # 2. 从环境变量读取 Mineru 的 Token（身份认证）
    token = "eyJ0eXBlIjoiSldUIiwiYWxnIjoiSFM1MTIifQg"

    # 3. Mineru 官方接口地址：申请文件上传的预签名 URL
    url = "https://mineru.net/api/v4/file-urls/batch"

    # 4. 请求头：携带 Token 认证 + JSON 格式
    header = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {token}"  # 身份凭证
    }

    # 5. 上传参数：文件名、自定义ID、使用的模型版本
    data = {
        "files": [
            {"name": "demo.pdf", "data_id": "abcd"}  # 文件名 + 自定义ID
        ],
        "model_version": "vlm"  # 模型版本：vlm = 多模态解析
    }

    # 6. 本地要上传的 PDF 文件路径
    file_path = ["./sample.pdf"]

    # 7. 异常捕获：防止网络/权限错误导致崩溃
    try:
        # 第一步：请求上传地址
        response = requests.post(url, headers=header, json=data)

        # 判断请求是否成功
        if response.status_code == 200:
            result = response.json()  # 转成 JSON
            print('上传成功:{}'.format(result))

            # 从返回结果中拿到 batch_id
            batch_id = result['data']['batch_id']

            # 判断接口返回码是否为 0（成功）
            if result["code"] == 0:
                batch_id = result["data"]["batch_id"]
                urls = result["data"]["file_urls"]  # 拿到上传用的 URL
                print('batch_id:{},urls:{}'.format(batch_id, urls))

                # 第二步：上传文件到 URL
                for i in range(0, len(urls)):
                    with open(file_path[i], 'rb') as f:  # 以二进制读文件
                        # PUT 方式上传
                        res_upload = requests.put(urls[i], data=f)

                        if res_upload.status_code == 200:
                            print(f"{urls[i]} 上传成功")
                        else:
                            print(f"{urls[i]} 上传失败")
            else:
                # 接口返回失败
                print('apply upload url failed,reason:{}'.format(result.msg))
            return batch_id
        else:
            # HTTP 请求失败
            print(f"请求失败，状态码：{response.status_code}，响应内容：{response.text}")
    except Exception as err:
        # 捕获所有异常
        print(err)

# batch_id = mineru_upload_file_demo()
# print(batch_id)

# 定义函数：根据 batch_id 查询 Mineru 文档解析结果
def mineru_check_result_demo(batch_id):
    # 导入依赖库
    import requests  # 发送网络请求
    import time  # 用于等待、延时

    # 1. 从环境变量获取 Mineru 的身份令牌（必须）
    token = "eyJ0eXBlIjoiSldUIiwiYWxnIjoiSFM1MTIifQg"

    # 2. 拼接查询结果的 API 地址，把 batch_id 填进去
    url = f"https://mineru.net/api/v4/extract-results/batch/{batch_id}"

    # 3. 请求头：身份认证 + JSON格式
    header = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {token}"  # 身份凭证
    }

    # 4. 第一次发送请求，查询状态
    res = requests.get(url, headers=header)

    # 5. 循环检查：如果状态不是 done（完成），就一直等
    while res.json()["data"]['extract_result'][0]['state'] != 'done':
        # 打印提示：正在解析中
        print('当前状态为 running，等待3秒后重试')

        # 等待 3 秒再查
        time.sleep(3)

        # 再次查询接口
        res = requests.get(url, headers=header)

        # 打印状态信息，方便看进度
        print(res.status_code)
        print(res.json()["data"]['extract_result'][0]['state'], end="\n\n=========\n\n")

    # 6. 跳出循环 = 解析完成！
    print('提取结果为:', res.json()["data"]['extract_result'][0]['full_zip_url'])

mineru_check_result_demo("62310441-149e-41c9-b956-8896b46ed28d")

本地部署使用（推荐）

本地部署参考博客：

import json
import os
import subprocess
from pathlib import Path
from typing import Tuple


# 方法2：使用MinerU工具把pdf转换md
# 命令行方式调用本地转换
def execute_mineru(self,import_file_path:Path,file_dir:Path):
    self.log_step("执行mineru转换过程.....")
    # 命令行方式调用本地转换
    # 设置环境变量
    os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
    os.environ["HF_HOME"]= r"D:\dev"
    os.environ["MODELSCOPE_CACHE"] = r"D:\dev"

    # 构建执行客户端命令
    # mineru -p "D:\6W100-整本手册.pdf" -o "D:\mineru" --source local --device cpu --backend pipeline --batch-size 1 --no-auto-download
    cmd = [
        "mineru","-p",
         str(import_file_path),
         "-o",str(file_dir),
         "--source","local"
         "--device","cpu",
         "--backend","pipeline",
         "--batch-size","1",
         "--no-auto-download"
        ]

    # 执行cmd构建命令，创建子进程执行
    proc = subprocess.Popen(
        args=cmd, # 执行命令构建列表
        stdout=subprocess.PIPE,  # 正常执行过程（日志）
        stderr=subprocess.STDOUT, # 错误信息
        errors="replace",  # ignore   replace
        text=True, # 文本形式
        bufsize=1
     )
     # 输出stdout=subprocess.PIPE,每行日志
     for line in proc.stdout:
        self.log_step(f"执行MinerU日志: {line}")

     # 等待子进程操作完成, 返回0成功
     process_code = proc.wait()
     if process_code == 0:
         self.logger.info("执行mineru成功了!!!")
     else:
         self.logger.error("执行mineru失败了...")
     return process_code