تخطى إلى المحتوى الرئيسي
PromptQuorumمصمم للبشر. منظم للذكاء الاصطناعي.
الرئيسية/LLM المحلية المتقدمة
RAG & Document Chat

مراجعة MinerU: محلّل مستندات بشيفرة مصدرية متاحة لـ Markdown وLaTeX وRAG

·6 دقائق قراءةبقلم · مؤسس PromptQuorum · محرك اكتشاف للذكاء الاصطناعي مفتوح الأوزان ومفتوح المصدر

MinerU (83,000+ نجمة على GitHub) يحوّل PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور إلى Markdown وHTML وLaTeX وDOCX وEPUB؛ يعمل محليًا افتراضيًا ومجاني ما دام استخدامك ضمن عتبات MinerU Open Source License (Apache 2.0 مع شروط إضافية)، مع تسريع GPU ودمج الجداول عبر الصفحات. التثبيت: pip install mineru (Python 3.11–3.14).

النقاط الرئيسية

  • ترخيص MinerU Open Source License (Apache 2.0 مع شروط إضافية)؛ 83,000+ نجمة على GitHub؛ تطوير OpenDataLab.
  • pip install mineru — يتطلب Python 3.11–3.14.
  • المخرجات: Markdown وHTML وLaTeX وDOCX وEPUB.
  • دمج الجداول عبر الصفحات؛ صناديق إحاطة على مستوى الكتلة.
  • GPU تلقائي (NVIDIA/AMD/Intel/Apple Silicon)؛ ~2–3× أسرع من CPU في أحمال استدلال تمثيلية، بحسب README.

📍 في جملة واحدة

MinerU مكتبة Python من OpenDataLab بموجب MinerU Open Source License (Apache 2.0 مع شروط إضافية) تحوّل PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور إلى Markdown وHTML وLaTeX وDOCX وEPUB، مع GPU ودمج الجداول عبر الصفحات وصناديق إحاطة.

💬 بعبارات بسيطة

تُعطيه مستندًا فيقرأ البنية والنص والجداول — بما في ذلك الجداول المتعددة الصفحات — ويكتب Markdown أو LaTeX يمكن لنظام RAG أو LLM استخدامه مباشرة.

📌ملاحظة: لم يختبر PromptQuorum MinerU بشكل عملي. جميع المعلومات مصدرها github.com/opendatalab/MinerU وopendatalab.com، تاريخ المراجعة 2026-11-15.

MinerU مكتبة Python ذات شيفرة مصدرية متاحة يصونها OpenDataLab وتُوزَّع بموجب MinerU Open Source License (مبنية على Apache 2.0 مع شروط إضافية)، وتحوّل PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور إلى Markdown وHTML وLaTeX وDOCX وEPUB. تستند هذه المراجعة إلى مستودع MinerU على GitHub وopendatalab.com، تاريخ المراجعة 15 نوفمبر 2026.

مراجعة MinerU: محلّل مستندات بشيفرة مصدرية متاحة لـ Markdown وLaTeX وRAG

الميزات

  • صيغ الإدخال: PDF وDOCX وPPTX وXLSX وHTML وEPUB والصور.
  • صيغ الإخراج: Markdown وHTML وLaTeX وDOCX وEPUB (من بين أهداف التصدير المذكورة في README؛ ويذكر README أن كل CLI/API يتيح مجموعة فرعية منها).
  • OCR: نموذج لمعالجة PDFs الممسوحة ضوئيًا.
  • دمج الجداول عبر الصفحات: الجداول المتعددة الصفحات تُدمج في جدول واحد.
  • صناديق الإحاطة: إحداثيات على مستوى الكتلة للاستشهاد الدقيق.
  • GPU تلقائي: NVIDIA/AMD/Intel/Apple Silicon؛ ~2–3× أسرع من CPU في أحمال استدلال تمثيلية، بحسب README.
  • محلي افتراضيًا: لا تُرفع المستندات افتراضيًا؛ التحليل عن بُعد يتطلب إعدادًا صريحًا.

تثبيت MinerU

تدفق البيانات

  • افتراضيًا يعمل التحليل على جهازك ولا تُرفع المستندات؛ التحليل عن بُعد يتطلب إعدادًا صريحًا. قد يتطلب إعداد التحليل المحلي تنزيل نماذج (يذكر README نحو 0.8–3 جيجابايت بحسب المستوى)، لذا يحتاج الإعداد الأول إلى اتصال بالشبكة.
  • الوضع السحابي يتطلب إعدادًا صريحًا وليس الوضع الافتراضي.
  • يذكر README أن مكوّن Doclib يتضمن قياسًا عن بُعد للاستخدام والتشخيص (مفعّل مبدئيًا، ولا يشمل محتوى المستندات ولا النص المستخرج ولا أسماء الملفات ولا استعلامات البحث)؛ عطّله بالأمر mineru telemetry disable أو بضبط MINERU_TELEMETRY_DISABLED=1 في بيئة خادم Doclib.
  • تذكر منظمة OpenDataLab على GitHub أن موقعها الصين (ملف GitHub). تربط الخدمة المستضافة على mineru.net في تذييل الصفحة بسياسة خصوصية واتفاقية مستخدم؛ اقرأهما قبل إرسال مستندات سرية إلى أي وضع بعيد. التحليل المحلي لا يرفع المستندات.

الترخيص والسعر

  • الترخيص: MinerU Open Source License — مبنية على Apache 2.0 مع شروط إضافية (ليست Apache-2.0 القياسية). الاستخدام التجاري مسموح دون ترخيص منفصل ما لم تتجاوز أنت وشركاتك التابعة 100 مليون مستخدم نشط شهريًا أو 20 مليون دولار أمريكي من إجمالي الإيرادات الشهرية؛ ويجب على الخدمات الإلكترونية المبنية على MinerU أن تذكر بوضوح أنها تستخدمه؛ وعند المخالفة يُنهى الترخيص تلقائيًا. اقرأ LICENSE.md قبل الاستخدام التجاري.
  • السعر: المكتبة مجانية للتنزيل والتشغيل محليًا؛ لم تُقيَّم الخدمة المستضافة على mineru.net وواجهتها البرمجية البعيدة من حيث الأسعار أو حدود الاستخدام.
  • العتبات أعلاه مأخوذة من LICENSE.md الذي لا يذكر أوزان النماذج. قد تخضع النماذج التي تُنزَّل أثناء الإعداد لتراخيص خاصة بها؛ تحقق منها قبل النشر التجاري.

المنافسون والبدائل

  • Docling — ترخيص MIT؛ بدأه IBM Research Zurich وتستضيفه LF AI & Data Foundation؛ MCP عبر حزمة منفصلة هي docling-mcp.
  • Marker — الشيفرة بموجب Apache 2.0، وأوزان النموذج بموجب ترخيص AI Pubs Open RAIL-M معدّل بقيود تجارية (تحقق قبل الاستخدام التجاري)؛ OCR Surya؛ Markdown وJSON.
  • Unstructured — Python ETL؛ دعم واسع يشمل البريد الإلكتروني.
  • OpenDataLoader PDF — محلّل PDF فقط مع SDK لـ Python وNode.js وJava؛ مخرجات JSON مع صناديق إحاطة وMarkdown وHTML.

قارن في الدليل

أسئلة شائعة

هل MinerU مجاني للاستخدام التجاري؟

في الغالب نعم. يستخدم MinerU ترخيص MinerU Open Source License (Apache 2.0 مع شروط إضافية). الاستخدام التجاري مسموح دون ترخيص منفصل ما لم تتجاوز أنت وشركاتك التابعة 100 مليون مستخدم نشط شهريًا أو 20 مليون دولار أمريكي من إجمالي الإيرادات الشهرية؛ ويجب على الخدمات الإلكترونية المبنية على MinerU أن تذكر استخدامه. راجع LICENSE.md على GitHub.

ما الذي يميز MinerU عن Docling وMarker؟

يذكر README الخاص بـ MinerU إخراج LaTeX ودمج الجداول عبر الصفحات؛ راجع وثائق Docling وMarker للتحقق من الميزات نفسها قبل الاختيار. يوفّر Docling دعم MCP عبر حزمة منفصلة هي docling-mcp؛ Marker يستخدم OCR Surya.

هل يحتاج MinerU إلى GPU؟

لا. يعمل على CPU. يُكتشف GPU تلقائيًا على NVIDIA وAMD وIntel وApple Silicon؛ ويذكر README نحو 2–3× سرعة CPU في أحمال استدلال تمثيلية، وتعتمد السرعة الفعلية على عتادك ونوع المستند.

كيف أثبّت MinerU؟

pip install mineru في بيئة Python 3.11–3.14.

هل يعالج MinerU الـ PDF الممسوحة ضوئيًا؟

نعم. يتضمن OCR مبنيًا على نموذج للمستندات الممسوحة وPDF المبنية على صور.

ما صيغ الإخراج التي يدعمها MinerU؟

Markdown وHTML وLaTeX وDOCX وEPUB (من بين أهداف التصدير المذكورة في README؛ ويذكر README أن كل CLI/API يتيح مجموعة فرعية منها).

هل يوجد خادم MCP في MinerU؟

لا يصف README خادم MCP للإصدار v4.2.2. للتكامل مع MCP فكِّر في Docling (حزمة docling-mcp المنفصلة).

من يصون MinerU؟

OpenDataLab يصون مستودع GitHub.

هل يدمج MinerU الجداول عبر الصفحات؟

نعم. الجداول الممتدة عبر صفحات متعددة تُكشف وتُدمج في جدول واحد في المخرجات.

ما الإصدار الحالي؟

v4.2.2، صدر 13 نوفمبر 2026 (GitHub Releases). تم التحقق في 15 نوفمبر 2026.

المصادر

← العودة إلى LLM المحلية المتقدمة

MCP