Python MinerU 将PDF与网页高质量转为Markdown
把 PDF、网页、电子书喂给大模型,第一步往往是「先变成干净的 Markdown」。但扫描件、复杂表格、公式、多栏排版,常规工具一碰就乱,出来的文本错行错位,RAG 直接废。MinerU(OpenDataLab 团队)专门解决这个:它用深度学习做版面检测与 OCR,把各种文档高质量转成 Markdown/JSON,连公式和表格都尽量保真,是中文圈里把「文档入场」做扎实的开源工具。 对做知识库、智能问答、论文分析的团队来说,文档清洗往往是最大的隐性成本。MinerU 把这道工序...