woodfishhhh mineru — PDF 高质量解析
何时使用
- 题目 PDF 含中文 + 表格 + 公式（pdfplumber 输出乱序时）
- 阅读
external/zhanwen-mathmodel/下的优秀论文 - 转换 docx / pptx 为 markdown
入口
本子 skill 不自带 Python 实现；调用宿主已安装的 mineru-open-api CLI
或 mineru Python 包。详细 CLI 文档见 mineru 官方 skill。
模式选择决策树
文件 ≤ 10MB 且 ≤ 20页 且 不需表格识别
→ flash-extract（零配置、最快）
文件 > 10MB 或 > 20页 或 需要表格 / 公式 / OCR
→ extract（要 token，注册免费领）
→ 备用：本地 CLI mineru（开源，自动下载模型）
命令模板
# Flash 模式（推荐起手）
mineru-open-api flash-extract problem.pdf -o workdir/.../out --language ch
# 限页（>20 页时）
mineru-open-api flash-extract problem.pdf -o workdir/.../out --language ch --pages 1-20
# Extract 精确模式（需 token；写入 EZMM_MINERU_TOKEN）
mineru-open-api auth # 一次性配置
mineru-open-api extract problem.pdf -o workdir/.../out --language ch --table --formula
# 本地 CLI（无 token，开源版）
pip install -U mineru
mineru -p problem.pdf -o workdir/.../out
入参约定
| 参数 | 默认 | 说明 |
|---|---|---|
--language |
ch |
中文文档；英文用 en；混合 ch_server |
--pages |
全部 | flash 模式下题目 > 20 页时按 1-20 分批 |
-o |
stdout | 写入指定目录（推荐）；不写参数则 markdown 走 stdout |
配置
| Env Var | 必需 | 用途 |
|---|---|---|
EZMM_MINERU_TOKEN |
extract 模式必需 | 注册免费领，flash 不需要 |
失败诊断
| 错误 | 原因 | 处理 |
|---|---|---|
file page count exceeds API limit |
flash 限 20 页 | 加 --pages 1-20；或换 extract（要 token） |
TLS handshake timeout |
网络抖动 | 重试 1 次；仍失败降级 pdfplumber |
no API token found |
extract 缺 token | 调 mineru-open-api auth 或 fallback flash |
输出 Markdown 含大量 <!-- image --> |
论文图片占位 | 正常；只对文字部分有效 |