当前位置: 首页 > wzjs >正文

网站公安局备案流程是骗子网站优化主要优化哪些地方

网站公安局备案流程是骗子,网站优化主要优化哪些地方,二级域名免费申请网站,电子商务企业网站建设发展论文写在前面 复杂排版 PDF 的解析能力,已成为衡量企业文档自动化处理水平的重要指标之一。 然而,在实际操作中,大多数企业并不具备自主研发 PDF 解析系统的能力,更多依赖于开源工具来完成这一任务。因此,选择一款功能强…

写在前面

复杂排版 PDF 的解析能力,已成为衡量企业文档自动化处理水平的重要指标之一。

然而,在实际操作中,大多数企业并不具备自主研发 PDF 解析系统的能力,更多依赖于开源工具来完成这一任务。因此,选择一款功能强大、适配性强的 PDF 解析工具,显得尤为关键。

在本文中,笔者实测了七款主流的 PDF 解析工具(包括 MinerU、Doc2X、maker、Nanonets-OCR-s、olmOCR、surya 等),综合对比其在复杂排版文档中的表现后发现,MinerU 在多个维度上最贴合笔者的真实工作场景的需求 ,最终决定选用该工具进行部署和应用。

由于篇幅限制,具体的评测结果和截图暂不在此展示。

MinerU是适合的,但不是最强的。

如果你也在寻找合适的 PDF 解析方案,建议根据自身需求对各工具进行测试与评估,不要被工具的推文标题所迷惑。


本文主要两个内容:

  • 原生提取器 vs MinerU
  • MinerU本地部署教程(全)

原生 vs MinerU

Dify 一遇到复杂PDF就掉链子,使得调用第三方工具成为必然。

LLM 节点的SYSTEM 提示词(仅供参考):

根据知识库回答问题,如果没有请回答“知识库中未找到相关内容”!知识库如下:/上下文

Dify+文档提取器

Difyp配置Miner,步骤如下

  1. 安装:工具–搜索“MinerU”–安装
  2. 给MinerU工具授权:
    1. 本地安装:Base URL填本机MinerU的URL,令牌为空,服务类型:本地部署
    2. 官网API:Base URL填https://mineru.net/api/v4/extract/task,令牌填申请的API-KEY,服务类型:官方API
  3. 使用:工作流中添加MinerU的 PARSE PDF节点

Dify挂上Miner工具,一下就给出正确答案
Dify+MinerU

笔者用如下的PDF测试,各位可以先在MinerU在线体验 上测试下自己文档是否适用,再考虑购置API/本地部署。

MinerU本地部署

如果你也需要在本地环境中部署 MinerU,下文将提供详细的保姆级部署教程,包括【Pip】和【Docker】两种方式,供你参考实践。

  • pip安装,有可视化UI界面,可以在本地/代码中使用
  • Docker安装,给第三方提供服务/代码中使用

2.1 Pip安装

先看看带ui界面的MinerU

pip 或 uv 安装

git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[core] -i https://mirrors.aliyun.com/pypi/simple

使用 MinerU
最简单的命令行调用方式如下:

mineru -p <input_path> -o <output_path>
  • <input_path>:本地 PDF 文件或目录(支持 pdf/png/jpg/jpeg)
  • <output_path>:输出目录

启动Gradio界面

cd Projects/gradio_apppip install gradio gradio-pdfpython app.py

网页中打开

http://127.0.0.1:7860/

上传文档,类似官方界面的解析效果就出来了

技巧1:突破20页限制

if __name__ == '__main__':with gr.Blocks() as demo:# ... existing code ...max_pages = gr.Slider(1, 100, 10, step=1, label='Max convert pages')    # 原第2个参数是20,现修改为100# ... existing code ...

技巧2:修改端口
demo.launch() 改为 demo.launch(server_name="0.0.0.0", server_port=8800)

2.2 Docker安装

Docker可以通过 docker rundocker compose 安装,两种docker方式的关键区别

操作单镜像/多容器自动启动容器依赖管理适用场景
docker run适合单镜像仅需下载镜像
docker-compose适合多容器完整环境部署(推荐生产使用)
建议
  • 如果 quincyqiang/mineru:0.3-models 是独立服务,直接 docker run 即可。
  • 如果它需要与其他服务(如数据库、消息队列)协作,务必使用 docker-compose.yaml 统一管理。

方式1. docker compose 一键启动(推荐)

第三方mineru镜像

  • 优点:快
  • 缺点:不是最新的

第三方mineru镜像

创建MinerU文件夹,在MinerU文件夹下,创建 一个docker-compose.yaml 文件,粘贴如下内容

# 指定 docker-compose 文件版本
version: "3.8"services:# 定义服务名称为 mineru_servermineru_server:# 指定使用的 Docker 镜像image: quincyqiang/mineru:0.3-models# 指定容器名称container_name: mineru_server# 端口映射,将主机的 8000 端口映射到容器的 8000 端口ports:- "3211:8000"# 挂载卷,将主机的 /mineru_files 目录映射到容器的 /root/output 目录volumes:- ./mineru_files:/root/output# GPU 相关配置deploy:resources:reservations:devices:# 配置 NVIDIA GPU 设备- driver: nvidiacount: 0capabilities: [gpu]# 使用 NVIDIA 运行时runtime: nvidia# 环境变量设置environment:# 允许容器访问所有 GPU 设备- NVIDIA_VISIBLE_DEVICES=all# 保持 STDIN 开启,允许交互式会话stdin_open: true# 分配一个伪终端tty: true

启动

docker compose up -d

问题1:是否可以删除挂载卷?
在Windows运行上述文件,是否可以删除挂载卷的问题?

可以删除,但需注意:

  • 如果容器内应用不需要持久化存储数据​(如临时文件、仅内存计算),直接移除 volumes 配置是安全的。
  • 如果应用依赖 /root/output 目录写入数据,删除后会导致:
    • 数据仅存在容器内,容器销毁后丢失。
    • 无法从宿主机(Windows)访问生成的文件。

问题2:Windows 下的路径问题(若需保留挂载卷)​​:
如果仍需挂载卷,Windows 路径需调整为以下格式之一:

volumes:# 方式1:使用绝对路径(需替换为你的实际路径)- D:/mineru_output:/root/output- # 方式2:Docker 共享驱动器的路径(需先在 Docker Desktop 中配置共享)- /D/mineru_output:/root/output

注意​:

  • 确保路径存在且权限正确(可在 Docker Desktop 的 Settings > Resources > File Sharing 中添加共享目录)。
  • 避免使用 \ 反斜杠(Linux 容器不兼容),统一用 / 正斜杠。

方式2. docker run

第三方镜像(推荐)
docker pull quincyqiang/mineru:0.3-modelssudo docker run -d \-p 8000:8000 \-v ./mineru_files:/root/output \--name mineru \--gpus '"device=0,1,2,3"' \
quincyqiang/mineru:0.3-models

测试本地访问

curl http://YOUR_IP:3002/docs

你会看到这样的界面,Try it out 就可以上传文件解析了,也可以在Apifox中请求尝试

官方镜像

构建 MinerU 的 Docker 镜像,MinerU官网

git clone https://github.com/opendatalab/MinerU.git
cd projects/web_api
docker build -t mineru-api .

启动 mineru-api 容器

sudo docker run -d \-p 8000:8000 \--name mineru-api \--network dify_ssrf_proxy_network \-v minerupaddleocr:/root/.paddleocr \mineru-api

测试本地访问

curl http://YOUR_IP:3002/docs

以上就是所有的安装教程了,启动成功后,就可以在Dify的MinerU工具中测试啦~

以下是踩坑实录,希望你不会遇到~

可能遇到的问题

若官方的源码安装失败,可尝试以下两种方式

方法1.设置 HuggingFace 的国内镜像站点
  • Linux
export HF_ENDPOINT=https://hf-mirror.com
  • Windows Powershell
$env:HF_ENDPOINT = "https://hf-mirror.com"

注:建议将上面这一行写入 ~/.bashrc。

再执行

docker build -t mineru-api:v0.1 .
方法2.提前下载好模型文件并 COPY 进容器
conda create -n mineru python=3.10
conda activate mineru
pip install modelscope requests

新增 HugginFace 镜像,在 scripts/download_models.py 文件中

vim scripts/download_models.py## 新增 HugginFace 镜像
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com" 

下载模型文件 modelslayoutreader

cd scripts
python download_models.py

文件路径分别在

  • Linux
/home/admin/.cache/modelscope/hub/models/opendatalab/PDF-Extract-Kit-1.0/models/
/home/admin/.cache/modelscope/hub/models/ppaanngggg/layoutreader/
  • Windows
C:\Users\Admin\.cache\modelscope\hub\models\opendatalab\PDF-Extract-Kit-1.0\modelsC:\Users\Admin\.cache\modelscope\hub\models\ppaanngggg\layoutreader

都复制到 MinerU/projects/web_api
以Linux为例

mkdir models
mkdir layoutreadercp -r /home/admin/.cache/modelscope/hub/models/opendatalab/PDF-Extract-Kit-1.0/models/* models/cp -r /home/admin/.cache/modelscope/hub/models/ppaanngggg/layoutreader/* layoutreader/

修改 MinerU/projects/web_api/Dockerfile

COPY models /opt/models
COPY layoutreader /opt/layoutreader

最后构建镜像

docker build -t mineru-api:v0.1 .

构建结果如下


你常用的 PDF 解析工具是哪一个?欢迎留言交流~

实践出真知,与君共勉~

http://www.dtcms.com/wzjs/467186.html

相关文章:

  • wordpress 说明手册重庆整站seo
  • 如何在网站上做社交的链接全国seo搜索排名优化公司
  • 不用购买域名做网站上海网站建设哪家好
  • 网站页面优化技巧厦门seo大佬
  • 淮安网站建设haclub百度一下 你就知道官方
  • wordpress admin搜索引擎优化的各种方法
  • 富阳网站建设报价长春头条新闻今天
  • 免费使用模板的网站seo的中文名是什么
  • 怎么做外卖网站常德seo
  • wordpress4.x重庆seo薪酬水平
  • 如何看网站是用什么语言做的搜索引擎营销的实现方法有
  • wordpress 置顶标签关键词优化排名工具
  • 如何建设网站app百度免费注册
  • 网站开发项目名seo优化的主要内容
  • 建设社会主义法治国家的参考网站如何免费推广自己的网站
  • 张家港那家做网站百度下载
  • 淘宝网站咋做职业培训网络平台
  • 做英文网站内容来源yandx引擎入口
  • 资料下载网站建设数字营销是干啥的
  • 全国企业工商信息查询官网谷歌seo公司
  • 设计企业网站主页图片深圳网站设计实力乐云seo
  • sketch网站花边怎么做石家庄百度搜索优化
  • 不注册公司可以做网站吗seo要点
  • 谷歌推广网站建设长沙服务好的网络营销
  • 万网ip查询南阳seo优化
  • 广西住房建设厅网站首页sem是什么职业岗位
  • 免费网站客服工具百度竞价排名公式
  • 英文网站seo方案武汉seo关键字推广
  • 做木工网站网站推广软文
  • 网站建设的未来制作自己的网站