MinerU再次更新，网页解析功能上线！URL一键变Markdown，文档处理再无边界
导言：各位的铁粉们，你们的“生产力神兵”又进化了！还在为DeepResearch获取网页信息、网页知识库构建、复杂网页内容提取、网页文章复制乱码等场景感到头疼吗？在 AI 数据处理领域，以和为代表的行业先行者已经为我们展示了“网页转 LLM 友好格式”的巨大潜力，这次我们直接把深度优化的“网页解析”功能装进了网页端与桌面端，凭借在公式、表格识别上的深厚积淀，让整个互联网都成为你的 AI-Ready
导言：
各位 MinerU 的铁粉们，你们的“生产力神兵”又进化了！还在为DeepResearch获取网页信息、网页知识库构建、复杂网页内容提取、网页文章复制乱码等场景感到头疼吗？
在 AI 数据处理领域，以 Jina AI 和 Firecrawl 为代表的行业先行者已经为我们展示了“网页转 LLM 友好格式”的巨大潜力，但 MinerU 决定再往前走一步。 这次我们直接把深度优化的“网页解析”功能装进了 MinerU 网页端与桌面端，凭借在公式、表格识别上的深厚积淀，让整个互联网都成为你的 AI-Ready 语料库！
今天，我们边上手边拆解，带你玩转MinerU 的“网页解析”功能
● 在线体验（直接进入网页解析功能）：https://mineru.net/OpenSourceTools/Extractor
● 技术报告链接：https://arxiv.org/pdf/2511.16397v1
● 模型链接：https://huggingface.co/opendatalab/MinerU-HTML
一、网页解析“统一入口”：动态网页秒变AI-Ready语料
这次更新的核心利器——“MinerU HTML”网页解析系统，正式上线网页端与桌面客户端。大家可以在 MinerU网页端和桌面客户端通过简单的 URL 输入，实现网页到 Markdown 的完美转换。解析成功后，你会看到超酷的左右分栏视图，左边是网页快照，右边是清晰的 Markdown 或 JSON。支持高质量缩放，对照查看，所见即所得！
核心亮点：
1. 极致转化，秒变 Markdown。无需复杂操作，在统一输入框内粘贴网址，无论是图文并茂的深度长文，还是结构复杂的动态页面，MinerU 都能将其精准转化为逻辑严密、结构清晰的 Markdown 文档。
2. 深度解析，继承技术优势。该功能充分继承了 MinerU 在公式、表格识别领域的领先优势。网页中嵌入的复杂科学公式、嵌套表格均能被精准还原，确保解析后的文档具备极高的可读性与专业性，完美适配学术研究与专业分析场景。
3. 韧性解析，自带“重试”机制。如果动态加载出现问题，系统会自动切换重试。无论是复杂的交互页面还是难以提取信息的站点，在 MinerU面前统统都要乖乖变回结构化的数据。
4. 无惧动态渲染，深度兼容。针对现代网页常见的 React、Vue 等框架生成的动态内容，MinerU 展现了强大的解析能力。告别乱码与格式错位，让“所见即所得”成为现实。
5. 纯净体验，去冗留精。系统会自动识别并过滤广告干扰、侧边栏杂讯及无关链接，剔除冗余信息，只为您提取最核心、最纯净的高价值内容。
目前，网页端与桌面客户端我们提供了每人每日 100次的免费配额，助您轻松提取网页，让网页信息的获取与利用效率实现指数级飞跃！
💡 小贴士：如果遇到无法直接访问的“深网”内容怎么办？
别担心！MinerU除了支持 URL 链接解析，还支持本地 HTML 文件上传解析。你可以通过以下简单的手动步骤获取动态网页的 HTML，再交给 MinerU 处理：
1. 打开开发者工具：在页面上点击鼠标右键，选择“检查”（Inspect），或者按快捷键 F12（Mac 为 Cmd + Option + I）。
2. 定位到根节点：在弹出的面板中切换到 “Elements”（元素）标签页。
3. 定位并复制HTML：滚动至顶部，找到 <html> 标签，点击右键选择 “Copy” -> “Copy outerHTML”。
4. 保存为本地文件：将内容粘贴至文本编辑器（如记事本、VS Code），保存为 .html 文件即可上传至 MinerU 进行解析。
二、开发者福利：API 侧的“逻辑大一统”
如果你是开发者或研究员，面对海量的资讯采集、竞品追踪或学术文献收集任务，手动操作显然不是长久之计。这时候，MinerU 的 API 接口便是为你量身定制的“自动化利器”。
为了让开发者的逻辑更简洁，我们重构了输入流程，多源输入，一个接口搞定 。不同于网页端与桌面客户端注重即时交互的体验，API 侧更强调逻辑的整合性：我们特意将 HTTP 文件上传与 URL 上传接口进行了“大统一”。无论你输入的是 PDF 文件还是网页链接，一个接口即可完成所有分发，极大降低了代码维护成本。
在 API 侧，我们赋予了数据解析前所未有的“透明度”，透明化解析，进度尽在掌握 。响应包中新增的 fetch_status 字段，让你能实时洞察每一个网页的抓取状态。无论是复杂的动态渲染过程，还是特殊的请求反馈，后台数据一目了然，让你的程序逻辑更加稳健可靠。
配合系统自带的“智能路由”功能，不管是混合了 PDF、网页还是截图的复杂任务，MinerU 都能在后台自动并行处理，最后为你吐出整齐划一的高质量数据。
你可以试着将它接入 Dify 或 Notion 等工具。只需简单配置一下 API 密钥，MinerU 就能化身为你的自动化“知识中枢”，在后台静默而高效地收割全网干货。
（API调用方法，详细内容可查看 MinerU 官网 API 文档）
结语：MinerU 正在努力打破文档、网页与大模型之间的信息围墙，致力于成为您工作流中不可或缺的“信息获取中枢”。无论是为 RAG 知识库提供不失真的 Markdown 语料，还是为 Agent 工具链输送结构化的业务字段，MinerU 始终坚持 “AI-Ready” 的核心目标。
现在就去登录网页端或更新桌面端，让互联网碎片秒变高质量 AI 资产！ 如果您在使用中发现解析不准，请直接“点踩”反馈。您的每一条意见，都是我们打磨“数据神兵”的动力！
立即体验 MinerU 网页解析新功能！
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
21
0- 0
已为社区贡献26条内容
所有评论(0)