PDF转Markdown服务

MCP-PDF2MD

英语 | 中文

MCP-PDF2MD服务

基于MCP的高性能PDF到Markdown转换服务，由MinerU API提供支持，支持本地文件和具有结构化输出的URL链接的批处理。

主要特点

• 格式转换：将PDF文件转换为结构化Markdown格式。
• 多源支持：处理本地PDF文件和URL链接。
• 智能加工：自动选择最佳加工方法。
• 批处理：支持多文件批处理转换，可高效处理大量PDF文件。
• MCP集成：与Claude Desktop等LLM客户端无缝集成。
• 结构保存：维护原始文档结构，包括标题、段落、列表等。
• 智能布局：以人类可读的顺序输出文本，适用于单列、多列和复杂布局。
• 公式转换：自动识别文档中的公式并将其转换为LaTeX格式。
• 表格提取：自动识别文档中的表格并将其转换为结构化格式。
• 清理优化：删除页眉、页脚、脚注、页码等，以确保语义连贯性。
• 高质量提取：从PDF文档中高质量地提取文本、图像和布局信息。

系统要求

• 软件：Python 3.10+

快速开始

1. 克隆存储库并输入目录：

   复制

   git clone https://github.com/FutureUnreal/mcp-pdf2md.git
   cd mcp-pdf2md
   

2. 创建虚拟环境并安装依赖项：

   Linux/macOS:

   复制

   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

   视窗:

   复制

   uv venv
   .venv\Scripts\activate
   uv pip install -e .
   

3. 配置环境变量：

   创建一个 .env 在项目根目录中创建文件，并设置以下环境变量：

   复制

   MINERU_API_BASE=https://mineru.net/api/v4/extract/task
   MINERU_BATCH_API=https://mineru.net/api/v4/extract/task/batch
   MINERU_BATCH_RESULTS_API=https://mineru.net/api/v4/extract-results/batch
   MINERU_API_KEY=your_api_key_here
   

4. 启动服务：

   复制

   uv run pdf2md
   

命令行参数

服务器支持以下命令行参数：

Claude桌面配置

在Claude Desktop中添加以下配置：

视窗:

{
    "mcpServers": {
        "pdf2md": {
            "command": "uv",
            "args": [
                "--directory",
                "C:\\path\\to\\mcp-pdf2md",
                "run",
                "pdf2md",
                "--output-dir",
                "C:\\path\\to\\output"
            ],
            "env": {
                "MINERU_API_KEY": "your_api_key_here"
            }
        }
    }
}

Linux/macOS:

{
    "mcpServers": {
        "pdf2md": {
            "command": "uv",
            "args": [
                "--directory",
                "/path/to/mcp-pdf2md",
                "run",
                "pdf2md",
                "--output-dir",
                "/path/to/output"
            ],
            "env": {
                "MINERU_API_KEY": "your_api_key_here"
            }
        }
    }
}

关于API密钥配置的说明： 您可以通过两种方式设置API密钥：

1. 在 .env 项目目录中的文件（建议用于开发）
2. 在如上所示的Claude Desktop配置中（建议常规使用）

如果在两个位置都设置了API键，则Claude Desktop配置中的键将优先。

MCP工具

服务器提供以下MCP工具：

• convert_pdf_url：将PDF URL转换为Markdown
• convert_pdf_file：将本地PDF文件转换为Markdown

获取MinerU API密钥

该项目依赖MinerU API进行PDF内容提取。要获取API密钥：

1. 访问 MinerU官方网站 并注册一个帐户
2. 登录后，在申请API检测资格 此链接
3. 一旦您的申请获得批准，您就可以访问 API管理 页
4. 按照提供的说明生成API密钥
5. 复制生成的API密钥
6. 将此字符串用作 MINERU_API_KEY

请注意，对MinerU API的访问目前正处于测试阶段，需要获得MinerU团队的批准。审批过程可能需要一些时间，因此请相应地制定计划。

演示

输入PDF

输出Markdown

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

鸣谢

此项目基于来自的API 矿工.