这个开源工具,把数学 PDF 转 Markdown,公式不变乱码

我一直有个麻烦事。 手里一堆雅思、数学、技术类的 PDF，想转成 Markdown。 试了好几个工具，不是把公式转成乱码，就是把图全弄丢了。 还有些得把文件传到别人服务器上，心里总不踏实。

后来找到 MinerU，这三个问题一次解决。

先看它能干嘛。 PDF、Word、PPT、Excel、图片，都能转成 Markdown 或者 JSON。 数学公式转成真正的 LaTeX，不是乱码。 表格保留结构，转成 HTML。 图片单独抠成文件，Markdown 里用相对路径引用，位置还在。

更重要的：全程本地跑。 CPU、GPU 都行，苹果 M 芯片的 MPS 也支持。 文件不上传任何服务器。

怎么装？两行命令。

pip install uvuv pip install -U "mineru[all]"

注意了，第一次跑会下大概 10G 的模型。 下完之后，后面全在本地，不联网也能用。

装好了，转一个 PDF 试试。

mineru -p test.pdf -o ./output --return_images true

--return_images true 这个参数，是把 PDF 里的图全抠出来存成单独文件。 Markdown 里会用相对路径引用它们。

跑完你会得到这样一个目录：

output/└── document/    ├── document.md          # 转好的 Markdown    ├── images/              # 抠出来的图    └── document_content_list.json   # 结构化内容清单

踩坑提醒。 如果你的机器没显卡，直接跑可能会报错或者特别慢。 命令后面加个 -b pipeline，走 CPU 模式：

mineru -p test.pdf -o ./output -b pipeline --return_images true

还有个坑，本地起服务的时候容易被代理拦。 记得设一下 NO_PROXY，把 127.0.0.1 和 localhost 放行。

不想敲命令？它还有网页版。 先起 API 服务，再起 Gradio 界面。

开一个终端，一直挂着：

cd ~/minerusource .venv/bin/activateexport NO_PROXY=127.0.0.1,localhostmineru-api --host 127.0.0.1 --port 8000

再开一个终端：

cd ~/minerusource .venv/bin/activateexport NO_PROXY=127.0.0.1,localhostmineru-gradio --server-name 127.0.0.1 --server-port 8808 --api-url http://127.0.0.1:8000

浏览器打开 127.0.0.1:8808，上传 PDF，点转换，完事。

进阶玩法。 MinerU 还带一个 MCP server。 你可以把它接到 Claude Desktop 或者 Cursor 里。 以后在 AI 编程工具里直接解析文档，不用切来切去。 具体接法看官方文档。

它还能 OCR，支持 109 种语言。 扫描件、手写、多栏排版都能处理。

好了，总结一下。 如果你也经常跟 PDF、公式、图打交道，或者在做 AI 知识库、题库这类要喂数据的项目，这个工具值得装。 公式保成 LaTeX，图抠出来，全本地不上传。 找一个你最头疼的 PDF，跑一遍看看效果。 GitHub 搜 opendatalab/MinerU 就能找到。