mineru-ocr

MinerU PDF 转 Markdown

前置配置

默认 Auto 模式：未配置 Token 时，自动使用官方免登录轻量接口；配置 Token 后，自动切换到标准 API。

免配置快速使用

• 无需登录、无需创建 .env
• 适合快速转换本地小文件或远程文档 URL
• 受官方轻量接口限制影响：按 IP 限频、单文件 10 MB、最多 20 页

升级到标准 API（可选）

如遇到以下情况，建议配置 Token：

• 文件超过 10 MB
• 页数超过 20 页
• 轻量接口遇到 IP 限频
• 需要提取网页 URL
• 希望更稳定地使用标准 API 配额

申请 API Token

1. 访问 https://mineru.net/apiManage/token
2. 注册/登录账号
3. 创建 API Token 并复制（格式：eyJ0eXAiOiJKV1QiLCJhbGc...）

配置 Token

方式一：让 AI 配置

"帮我配置 MinerU，Token 是：xxx"

方式二：手动配置

cd .claude/skills/mineru-ocr/config
cp .env.example .env
nano .env  # 填入 MINERU_API_TOKEN

方式三：复用官方 CLI 已保存的 Token

如果你已经跑过官方 mineru-open-api auth，本 skill 也会尝试回退读取 ~/.mineru/config.yaml 中保存的 Token。

当前读取优先级为：

1. 本 skill 的 .claude/skills/mineru-ocr/config/.env 中的 MINERU_API_TOKEN
2. 环境变量 MINERU_API_TOKEN
3. 环境变量 MINERU_TOKEN
4. 官方 CLI 配置 ~/.mineru/config.yaml

Token 更新

按当前规则，Token 有效期 3 个月（约 90 天）。过期后转换失败（错误 401 或 Unauthorized）。

更新方法：告诉 AI "我的 MinerU Token 过期了，新的 Token 是：xxx"

---

功能说明

通过 MinerU 将文档转换为 Markdown 格式，支持：

• Auto 模式：无 Token 走免登录轻量接口，有 Token 走标准 API
• PDF、DOC、DOCX、PPT、PPTX、PNG、JPG、JPEG
• 本地文件、远程文档 URL、网页 URL
• OCR 文字识别
• 表格识别和保留
• 数学公式识别
• 结果归档，保留 Markdown、接口响应和相关图片资源，便于回溯

能力边界

场景	免登录轻量接口	标准 Token API
本地 PDF / 图片 / Docx / Pptx	支持	支持
远程文档 URL（PDF、图片、Doc/Docx、PPT/PPTx）	支持	支持
网页 URL / HTML	不支持	支持
单文件大小	10 MB 内	200 MB 内
页数限制	20 页内	600 页内
表格识别	不支持，按官方口径需升级到标准模式	支持
公式识别	不支持，按官方口径需升级到标准模式	支持
输出	Markdown	Zip 结果包 + Markdown / JSON / 额外格式

轻量模式适用

• 初次使用、快速试跑
• 本地小文件
• 远程 PDF / Doc / Ppt 链接
• 不要求表格识别、公式识别

标准 API 适用

• 大文件、长文档
• 对表格、公式、复杂版面更敏感的场景
• 网页 URL 提取
• 希望获得更完整的结果包并保留更多中间结果

使用方法

/usr/bin/osascript -l JavaScript .claude/skills/mineru-ocr/scripts/convert.js "/path/to/file.pdf"
/usr/bin/osascript -l JavaScript .claude/skills/mineru-ocr/scripts/convert.js "https://cdn-mineru.openxlab.org.cn/demo/example.pdf"
/usr/bin/osascript -l JavaScript .claude/skills/mineru-ocr/scripts/convert.js "https://example.com/article"
/usr/bin/osascript -l JavaScript .claude/skills/mineru-ocr/scripts/convert.js checktoken

配置选项

编辑 .claude/skills/mineru-ocr/config/.env：

选项	默认值	说明
MINERU_API_TOKEN	空	可选；填写后强制走标准 Token API
MINERU_ENABLE_OCR	true	启用 OCR
MINERU_ENABLE_TABLE	true	启用表格识别；主要对标准 Token API 生效
MINERU_ENABLE_FORMULA	false	启用公式识别；主要对标准 Token API 生效
MINERU_LANGUAGE_CODE	ch	语言代码
MINERU_API_BASE	https://mineru.net/api/v4	标准 API 地址
MINERU_MODEL_VERSION	pipeline	标准 Token API 模型；法律文档建议默认 pipeline，复杂版面可改 vlm
MINERU_PAGE_RANGES	空	标准 Token API 页码范围，如 1-20、2,4-6
MINERU_POLL_MAX	20	最大轮询次数
MINERU_POLL_SLEEP	10	轮询间隔（秒）
MINERU_LOG_LEVEL	medium	日志等级

输出

• 本地文件：Markdown 保存到源文件同目录
• 远程文档 URL / 网页 URL：Markdown 默认保存到执行命令时的当前目录
• 归档：.claude/skills/mineru-ocr/archive/日期_时间_文件名/
• 归档内容：转换得到的 Markdown、接口响应、原始输入文件，以及可下载的图片资源清单

法律文档建议

• 默认保持 MINERU_MODEL_VERSION=pipeline
• 对起诉状、证据目录、法院通知、传票这类正式材料，优先追求稳定和低幻觉风险，不建议默认改成 vlm
• 只有在扫描质量差、版面极复杂、表格密集时，再考虑切到 vlm
• 如果只需要先看卷宗前几页，可设置 MINERU_PAGE_RANGES=1-20

Token 自检

当你想确认当前 Token 是否有效时，可运行：

/usr/bin/osascript -l JavaScript .claude/skills/mineru-ocr/scripts/convert.js checktoken

• 未配置 Token：会提示当前处于轻量模式
• Token 有效：会提示标准 API 可用
• Token 失效：会明确提示重新申请与更新

云端模式 / 自定义地址

当前 skill 仅面向 官方云端 API。

如需走你自己的云端转发网关，且该网关 兼容官方 v4 API，可在 .env 中修改：

MINERU_API_BASE=https://your-gateway.example.com/api/v4

当前脚本默认适配的是官方云端 v4 API 工作流。

如果你部署的是官方 mineru-api / mineru-router FastAPI 服务，它们主要暴露的是 /tasks、/file_parse 等接口，不在本 skill 当前支持范围内。这类场景建议：

• 优先使用官方 CLI / SDK 直连自建服务
• 本 skill 继续只维护云端模式，避免混入第二套协议

关于官方 Crawl

官方 skill 中的网页提取主要是通过 CLI 的 mineru-open-api crawl <url> 实现的，属于 Token 模式能力，不是轻量接口能力。

这里的 CLI 是 官方提供的命令行封装层。CLI 底层仍然会调用 MinerU 的云端 API；它不是本地离线解析器。

你当前这个 skill 现在也支持网页 URL，但仅在 已配置 Token 时启用；未配置 Token 时，网页 URL 会提示用户改用标准 API。

故障排除

问题	解决方案
轻量接口限频	稍后重试，或配置 Token 切换到标准 API
文件过大 / 页数过多	配置 Token，改走标准 API
网页 URL 无法轻量解析	轻量接口不支持 HTML，请配置 Token
401/Unauthorized	Token 已过期，重新申请并更新
转换超时	增加 MINERU_POLL_MAX 或检查文件大小
配额不足	检查 MinerU 账户额度