MinerU:PDF文档提取工具

wget https://github.com/opendatalab/MinerU/raw/master/Dockerfile
docker build -t mineru:latest .

docker一键启动

有点问题，晚点更新

本地配置

就是在Python环境中配置依赖和安装包
根据需求中下载

可以pip install requirements-docker.txt
其中最难安装的是detectron2，因为直接pip是找不到的，而且他有CUDA版本要求在12.0以上
版本不够还需要先升级CUDA版本

可以通过下面命令安装

python -m pip install 'git+https://gitclone.com/github.com/facebookresearch/detectron2.git'

所有依赖安装好之后，安装应用

pip install -U magic-pdf[full] --extra-index-url https://wheels.myhloli.com -i https://mirrors.aliyun.com/pypi/simple

最后查看一下版本号

magic-pdf --version

下载模型权重文件

pip install modelscope
wget https://gitee.com/myhloli/MinerU/raw/master/scripts/download_models.py -O download_models.py
python download_models.py

根目录中已经安装了magic-pdf.json

demo.py

然后试了一下demo.py，解析一个13页的论文
大概每一页平均需要50s

demo解析得到了markdown格式的，但是没有图片，

使用命令行启动

magic-pdf -p demo1.pdf -o ./output

以及横着的表

layout.pdf，将不同的元素用不同颜色框

第二种格式：spans.pdf

GPU使用情况

还未使用GPU加速