hytidel Everything to Markdown
使用 MinerU API 将各种文档格式转换为 Markdown。
支持的文件类型
- PDF 文档
- 图片: png, jpg, jpeg, jp2, webp, gif, bmp
- Office 文档: doc, docx, ppt, pptx
- 网页: HTML URL
使用方法
调用脚本处理文件：
python scripts/convert_to_markdown.py <file_path_or_url>
工作流程
- 从项目 settings 目录的
.env文件读取MINERU_API_KEY - 若 API Key 无效，报错并停止
- 根据输入类型调用 MinerU API：
- 本地文件 → 批量上传 API → PUT 上传 → 轮询结果
- URL → 直接提交解析任务 → 轮询结果
- 下载结果并解压到
./tmp/{filename}/目录
API Key 配置
API Key 从项目 settings 目录的 .env 文件中读取：
MINERU_API_KEY=your-api-key
申请地址：https://mineru.net
输出结构
tmp/
└── {filename}_{timestamp}/
├── full.md # Markdown 解析结果
├── images/ # 提取的图片
├── layout.json # 布局信息
└── ... # 其他中间文件
API 文档
详细的 MinerU API 文档请参考 references/mineru-api.md，包含：
- 创建解析任务接口
- 获取任务结果接口
- 请求/响应参数说明
- 常见错误码