MinerU Parser

MinerU Parser

Right-click any document to parse it into Markdown with MinerU or markitdown, saving the note and image attachments to custom folders. 右键解析文档为 Markdown，正文与图片附件分别保存到自定义位置。

---

Overview (English)

MinerU Parser adds a right-click "Parse document" action to Obsidian's file explorer. It converts PDFs, Office files, and images into clean Markdown and saves the note plus any extracted image attachments to folders you configure.

It supports seven parsing backends so you can pick the right trade-off between quality, cost, and privacy:

• MinerU (cloud) — free mode (no token) or the Precision API (with a token, extracts image attachments).
• markitdown (local) — runs the local Python CLI; desktop only; no images.
• docling (local) — runs the local Python CLI; desktop only; Markdown only.
• Vision LLM OCR — recognizes text in images through any OpenAI-compatible vision model (works with relays such as new-api / one-api).
• Baidu OCR (document parsing) — Baidu Cloud document parsing for PDF / image / Office, returning Markdown with tables, formulas, and layout.
• TextIn (document parsing) — TextIn xParse for PDF / image / Office.
• Doc2X (document parsing) — Doc2X, strong on PDF formulas / tables / layout.

Other features: batch parsing of a multi-file selection with backend-aware concurrency, customizable save paths with {filename} / {date} / {noteName} variables, attachment renaming, and success / failure notices.

This plugin is desktop-only (isDesktopOnly: true) because the local CLI backends spawn processes and result extraction relies on a bundled unzip library.

Supported file types: pdf, doc, docx, ppt, pptx, xls, xlsx, png, jpg, jpeg, jp2, webp, gif, bmp, html.

The rest of this document is written in Chinese. 以下为中文说明。

---

功能 / Features

• 在文件浏览器中右键文档，选择 解析文档 / Parse document。
• 批量解析 / Batch：在文件浏览器中多选文档后右键，选择 批量解析 N 个文档 / Parse N documents。会按各后端的速率 / 并发限制自动控制并行度，并显示进度与成功 / 失败汇总。
• 七个解析后端：
  • MinerU（云端）— 免费模式（无需 Token）或 Precision API（带 Token，支持提取图片附件）。
  • markitdown（本地）— 调用本地 Python CLI，仅桌面端，不提取图片。
  • docling（本地）— 调用本地 Python CLI，仅桌面端，输出 Markdown，不提取图片。
  • 视觉 LLM OCR（识图）— 用 OpenAI 兼容接口的视觉模型识别图片中的文字并转为 Markdown，兼容第三方中转站（new-api / one-api 等）。
  • 百度 OCR（文档解析）— 百度智能云文档解析接口，支持 PDF / 图片 / Office，直接输出含表格、公式、版面的 Markdown。
  • TextIn 合合（文档解析）— 合合 TextIn xParse 接口，支持 PDF / 图片 / Office，直接输出含表格、公式、版面的 Markdown。
  • Doc2X（文档解析）— Doc2X 文档解析接口，擅长 PDF 的公式 / 表格 / 版面，直接输出 Markdown。
• 自定义 Markdown 与附件保存路径，支持变量 {filename} {date} {noteName}。
• 附件重命名：保留原名 / {noteName}-{序号} / {date}-{序号} / 自定义模板。
• 成功 / 失败 Notice 提示。
• 命令：检测配置、安装与配置引导、配置 MinerU API、测试视觉 OCR、测试百度 OCR、测试 TextIn、测试 Doc2X。

支持的文件类型 / Supported: pdf, doc, docx, ppt, pptx, xls, xlsx, png, jpg, jpeg, jp2, webp, gif, bmp, html。

---

安装 / Installation

方式一：BRAT（推荐 / recommended）

通过 BRAT 安装可自动获取更新：

1. 在 Obsidian 中安装并启用 BRAT 社区插件。
2. 命令面板运行 "BRAT: Add a beta plugin for testing"。
3. 填入仓库地址：luffysolution-svg/mineru-to-obsidian
4. BRAT 会自动下载最新 Release 并启用插件。

方式二：手动 / manual

1. 从 Releases 下载 manifest.json 与 main.js。
2. 放入你的库目录 <vault>/.obsidian/plugins/mineru-to-obsidian/。
3. 在 Obsidian 的「设置 → 第三方插件」中启用。

方式三：从源码构建 / from source

git clone https://github.com/luffysolution-svg/mineru-to-obsidian.git
cd mineru-to-obsidian
npm install && npm run build

将生成的 main.js 与 manifest.json 复制到插件目录即可。

本插件为 桌面端专用（isDesktopOnly: true），因 markitdown 后端需要本地进程，且结果解压依赖打包库。

---

配置 / Configuration

MinerU

• 获取 Token：https://mineru.net/apiManage/token
• API 文档：https://mineru.net/apiManage/docs
• 在插件设置中填入 Token 即自动启用 Precision API；留空则使用免费模式（可在设置中关闭免费回退）。

markitdown

pip install 'markitdown[all]'

• 默认命令为 markitdown，可在设置中改为完整路径。
• 需要本地已安装 Python；不提取图片附件。
• 仓库：https://github.com/microsoft/markitdown

视觉 LLM OCR / Vision OCR

用 OpenAI 兼容接口的视觉模型识别图片中的文字并转为 Markdown。markitdown 的 CLI 无法驱动 LLM，因此这是插件内独立实现的后端（直接调用 /chat/completions），天然兼容各类 OpenAI 兼容服务与中转站。

• 获取模型 / Fetch：通过 API Key 调用 /models 拉取可用模型列表，拉取后模型项变为下拉选择。
• 测试识图 / Test：发送一张含已知数字的测试图，验证连接、鉴权与识图能力（连得上但模型不支持图片会明确提示）。也可用命令 测试视觉 OCR。
• 仅支持图片：png / jpg / jpeg / webp / gif / bmp。其他文档请用 MinerU 或 markitdown。

用 DeepSeek-OCR？ DeepSeek-OCR 是开源自托管模型，无官方托管 API。可经第三方（如硅基流动 SiliconFlow）以 OpenAI 兼容接口调用：地址填 https://api.siliconflow.cn/v1，模型填 deepseek-ai/DeepSeek-OCR，其余同上。

百度 OCR（文档解析）/ Baidu OCR

百度智能云「文档解析」接口，支持 PDF / 图片 / Office，直接输出含表格、公式、版面的 Markdown。鉴权用 API Key + Secret Key 换取 access_token（插件自动处理）。

• 控制台（创建应用、获取 AK/SK）：https://console.bce.baidu.com/ai/#/ai/ocr/overview/index
• 文档解析文档：https://cloud.baidu.com/doc/OCR/s/Klxag8wiy
• 需在控制台开通「文字识别」服务并完成实名认证才能领取免费额度并调用。免费额度与计费以百度控制台为准。
• 测试 / Test：发送一张含已知数字的测试图，验证鉴权、接口权限与解析流程。也可用命令 测试百度 OCR。

docling

pip install docling

• 默认命令为 docling，可在设置中改为完整路径。
• 需要本地已安装 Python；输出 Markdown，不提取图片附件；仅桌面端。
• 项目：https://github.com/docling-project/docling

TextIn 合合（文档解析）/ TextIn

合合 TextIn xParse「文档解析」接口，支持 PDF / 图片 / Office，直接输出含表格、公式、版面的 Markdown。单次同步调用，鉴权用 App ID + Secret Code。

• 控制台（获取密钥）：https://www.textin.com/console/dashboard/setting
• 文档：https://docs.textin.com/xparse/parse-quickstart
• 测试 / Test：发送一张含已知数字的测试图，验证鉴权与解析流程。也可用命令 测试 TextIn。

Doc2X（文档解析）/ Doc2X

Doc2X 文档解析接口，擅长 PDF 的公式 / 表格 / 版面，直接输出 Markdown。异步流程：上传后插件自动轮询直到完成。鉴权用 Bearer API Key（形如 sk-...）。

• 控制台（获取 Key）：https://open.noedgeai.com
• 文档：https://doc2x.noedgeai.com/help/en/api/doc2x-api-v2-pdf-interface.html
• 测试 / Test：发送一份测试 PDF，验证鉴权与解析流程。也可用命令 测试 Doc2X。

保存路径 / Save paths

• Markdown 文件夹 与 附件文件夹 均支持变量 {filename}（原文件名）、{date}（YYYY-MM-DD）、{noteName}。
• 例：MinerU/{filename} 与 MinerU/{filename}/images。

---

命令 / Commands

• 检测配置 / Check configuration — 校验 Token、免费模式、markitdown CLI 与保存路径。
• 安装与配置引导 / Setup & configuration guide — 简约 / 详细说明与官网链接。
• 配置 MinerU API / Configure MinerU API — 快速填写 Token。
• 测试视觉 OCR / Test vision OCR — 验证视觉模型的连接、鉴权与识图能力。
• 测试百度 OCR / Test Baidu OCR — 验证百度 AK/SK 的鉴权、接口权限与解析流程。
• 测试 TextIn / Test TextIn — 验证 TextIn App ID/Secret Code 的鉴权与解析流程。
• 测试 Doc2X / Test Doc2X — 验证 Doc2X API Key 的鉴权与解析流程。

---

常见问题 / Troubleshooting

markitdown 解析 PDF 出现满屏 (cid:NN)？ 该 PDF 使用了自定义编码且无 ToUnicode 映射的嵌入字体，markitdown（基于 pdfminer，无 OCR）无法解码。插件会检测到此情况并报错提示。请改用 MinerU 后端（设置 → 解析后端 → MinerU），它具备 OCR 与版面分析能力。

markitdown 中文显示为 ���（乱码）？ 已在 v0.1.2 修复：插件强制 Python 以 UTF-8 输出（PYTHONUTF8），解决中文 Windows 下控制台编码导致的乱码。请更新到最新版本。

后端如何选择？

• MinerU：扫描件、复杂版面、需要图片/公式/表格、CID 编码 PDF → 首选。
• markitdown：Office 文档（docx/pptx/xlsx）、文本规整的 PDF、离线快速转换。
• docling：本地离线转换，文本规整的 PDF / Office，无需联网。
• 视觉 LLM OCR：单张图片/截图的文字识别，或想用自己的（中转）大模型转写图片时。
• 百度 OCR：国内网络、需要稳定的 PDF / Office → Markdown，且想用百度免费额度时。
• TextIn 合合：国内网络，需要高质量 PDF / 图片 / Office → Markdown（表格/公式/版面）。
• Doc2X：PDF 公式 / 表格 / 学术文档的高质量转写。

插件不显示？ 安装/更新后需在 Obsidian 中重载（Ctrl+P → "Reload app without saving"），并确认未开启「受限模式」。

---

开发 / Development

npm install
npm run dev     # watch 模式
npm run build   # 生产构建（含类型检查）

License

MIT