|
|
@@ -15,6 +15,13 @@
|
|
|
|
|
|
</div>
|
|
|
|
|
|
+# MinerU
|
|
|
+
|
|
|
+MinerU 是一款一站式开源数据提取工具，主要包含以下功能:
|
|
|
+
|
|
|
+- PDF文档提取 (Magic-PDF)
|
|
|
+- 网页与电子书提取 (Magic-Doc)
|
|
|
+
|
|
|
# Magic-PDF
|
|
|
|
|
|
## 简介
|
|
|
@@ -49,7 +56,9 @@ https://github.com/magicpdf/Magic-PDF/assets/11393164/618937cb-dc6a-4646-b433-e3
|
|
|
### 子模块仓库
|
|
|
|
|
|
- [pdf-extract-kit](https://github.com/wangbinDL/pdf-extract-kit)
|
|
|
-- [Miner-PDF-Benchmark](https://github.com/opendatalab/Miner-PDF-Benchmark)
|
|
|
+
|
|
|
+- [Miner-PDF-Benchmark](https://github.com/opendatalab/Miner-PDF-Benchmark)
|
|
|
+ 端到端的PDF文档理解评估套件,专为大规模模型数据场景而设计。
|
|
|
|
|
|
|
|
|
## 上手指南
|
|
|
@@ -105,6 +114,27 @@ md_content = pipe.pipe_mk_markdown(image_dir, drop_mode="none")
|
|
|
|
|
|
详细实现可参考 [demo.py](demo/demo.py)
|
|
|
|
|
|
+# Magic-Doc
|
|
|
+
|
|
|
+Magic-Doc 是一款支持将网页或多格式电子书转换为 markdown 格式的工具。
|
|
|
+
|
|
|
+主要功能包含
|
|
|
+
|
|
|
+- Web网页提取
|
|
|
+ - 跨模态精准解析图文、表格、公式信息
|
|
|
+
|
|
|
+- 电子书文献提取
|
|
|
+ - 支持 epub，mobi等多格式文献，文本图片全适配
|
|
|
+
|
|
|
+- 语言类型鉴定
|
|
|
+ - 支持176种语言的准确识别
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+## 项目仓库
|
|
|
+
|
|
|
+- [Magic-Doc](https://github.com/magicpdf/Magic-Doc)
|
|
|
+
|
|
|
## 版权说明
|
|
|
|
|
|
[LICENSE.md](LICENSE.md)
|
赵小蒙