
将 PDF 与 Office 文档等复杂文档转换为适用于智能体工作流、可供大语言模型使用的 Markdown/JSON。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
81,000
±0 (10月13日〜)
最后提交
2026年11月
GitHub 创建日期
2024年2月29日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 81,000 |
| 2026年10月 | 81,000 |
| 2026年11月 | 81,000 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:mineru, magic-pdf · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
3,177,643
来自日本的比例(近一年)
3.5%
依赖它的 PyPI 包
47
其中必需依赖 18
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | — |
| 2021年7月 | — |
| 2021年8月 | — |
| 2021年9月 | — |
| 2021年10月 | — |
| 2021年11月 | — |
| 2021年12月 | — |
| 2022年1月 | — |
| 2022年2月 | — |
| 2022年3月 | — |
| 2022年4月 | — |
| 2022年5月 | — |
| 2022年6月 | — |
| 2022年7月 | — |
| 2022年8月 | — |
| 2022年9月 | — |
| 2022年10月 | — |
| 2022年11月 | — |
| 2022年12月 | — |
| 2023年1月 | — |
| 2023年2月 | — |
| 2023年3月 | — |
| 2023年4月 | — |
| 2023年5月 | — |
| 2023年6月 | — |
| 2023年7月 | — |
| 2023年8月 | — |
| 2023年9月 | — |
| 2023年10月 | — |
| 2023年11月 | — |
| 2023年12月 | — |
| 2024年1月 | — |
| 2024年2月 | — |
| 2024年3月 | — |
| 2024年4月 | — |
| 2024年5月 | — |
| 2024年6月 | 1,422 |
| 2024年7月 | 6,373 |
| 2024年8月 | 7,741 |
| 2024年9月 | 7,064 |
| 2024年10月 | 6,821 |
| 2024年11月 | 20,461 |
| 2024年12月 | 25,283 |
| 2025年1月 | 29,011 |
| 2025年2月 | 28,540 |
| 2025年3月 | 52,203 |
| 2025年4月 | 46,639 |
| 2025年5月 | 44,143 |
| 2025年6月 | 51,083 |
| 2025年7月 | 56,183 |
| 2025年8月 | 63,577 |
| 2025年9月 | 83,718 |
| 2025年10月 | 113,519 |
| 2025年11月 | 124,920 |
| 2025年12月 | 198,044 |
| 2026年1月 | 238,807 |
| 2026年2月 | 192,326 |
| 2026年3月 | 245,123 |
| 2026年4月 | 359,803 |
| 2026年5月 | 418,701 |
| 2026年6月 | 439,151 |
| 2026年7月 | 393,959 |
| 2026年8月 | 301,377 |
| 2026年9月 | 128,958 |
| 2026年10月 | 136,474 |
同分类的热门资源
PaddleOCRPaddlePaddle91k将任意 PDF 或图像文档转换为可供 AI 使用的结构化数据。一个连接图像/PDF 与大语言模型的强大、轻量级 OCR 工具包,支持100多种语言。
tesseracttesseract-ocr77kTesseract 开源 OCR 引擎(主仓库)
tesseract.jsnaptha39k支持100多种语言的纯 JavaScript OCR 📖🎉🖥。
EasyOCRJaidedAI30k开箱即用的 OCR,支持80多种语言以及拉丁字母、中文、阿拉伯文、天城文、西里尔字母等主流书写体系。
opendataloader-pdfopendataloader-project29k面向 AI 就绪数据的 PDF 解析器,可自动化 PDF 无障碍处理,开源。
suryadatalab-to21k支持90多种语言的 OCR、版面分析、阅读顺序与表格识别。
研究领域相近的资源
- japanese-gpt-neox-smallrinna656k一个 12 层、768 隐藏层的日语 GPT‑NeoX 模型,训练数据为 CC‑100、C4 以及 Wikipedia,兼容 Huggingface,并配备可选的玩具前缀调优权重,能强制每个句子末尾以笑脸表情符号结束。HF 模型共同: 大语言模型
- Spark-X2.5-4B-Heretic-jp-ggufsoyaakinohara589k日语适配版 Spark‑X2.5‑4B 模型(Heretic JP),具备拒绝衰减、预训练、指令调优和工具调用修复功能,可在 BF16 至 Q4_K_M 的 GGUF 量化版本中使用,约 2.5 GiB,支持 llama.cpp 的 1,048,576‑token 上下文。HF 模型共同: 大语言模型
- llm-jp-4-33b-thinking-ggufllm-jp271kLLM‑jp‑4‑33b‑thinking‑gguf 是日本国立信息学研究所的 33 B 日语语言模型,已使用 SFT 和 DPO(无 RL)预训练,可通过 LLM‑jp fork 在 llama.cpp 上使用,并在其 cookbook 中提供详细使用说明。HF 模型共同: 大语言模型
chandradatalab-to12k可处理复杂表格、表单与手写内容并保留完整版面的 OCR 模型。共同: OCR 与文档图像
PyMuPDFpymupdf11kPyMuPDF 是一个用于 PDF(及其他)文档数据提取、分析、转换与操作的高性能 Python 库。共同: OCR 与文档图像
RapidOCRRapidAI8k📄 基于 ONNX Runtime、OpenVINO、MNN、PaddlePaddle、TensorRT 和 PyTorch 的多编程语言 OCR 工具包。共同: OCR 与文档图像