📌 📄 内容摘要:
姜望 (@jiangwang) 在 MinerU商业化二开 中发帖
搞大模型RAG应用开发的佬估计都听说过MinerU,
可以高质量得识别各种格式的文档，比如DOCX、PDF、PNG等等，
然后返回结构化的JSON内容，包含标题分段、段落分段、表格类型、公式识别等等。
原仓库：https://github.com/opendatalab/MinerU
官方版本问题：
包含禁止非商业的排序模型layoutreader，
因公司业务需要，对其进行了二次开发，
开发后效果和使用排序模型相差不大，有需要的佬可以参考参考
二次开源地址：
https://github.com/muzhichu/MinerU
主要二开内容：
使用规则排序替换排序模型layoutreader
优化Dockerfile（在项目根目录下）：集成libreoffice到容器，支持直接解析docx、ppt等文件
解决libreoffice转码和MinerU识别中文乱码问题
...
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/640019/1
─────────────────────────────
📢 来源：LINUX DO
