hc/pdf2md

qz 22165a3c26 Import pdf-to-markdown converter and shorten hosted image suffixes.

Bring the local project into the remote repository and reduce generated image object suffixes to six characters for shorter URLs.

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

2026-04-19 14:37:42 +08:00

1.3 KiB

Raw Blame History

PDF to Markdown

输入学术论文 PDF，调用 MinerU 提取为 Markdown，随后把 Markdown 中引用的本地图片上传到 R2 图床，并输出一个纯 Markdown 文件。

1. 安装依赖

cd /home/qingz/projects/pdf-to-markdown
uv venv
source .venv/bin/activate
uv sync
cp .env.example .env

把 .env 里的 MINERU_API_TOKEN 改成你自己的 MinerU token。

2. 运行

uv run python run.py /path/to/paper.pdf

可选参数：

uv run python run.py /path/to/paper.pdf -o /path/to/output.md --language en
uv run python run.py /path/to/paper.pdf --ocr
uv run python run.py /path/to/paper.pdf --disable-table
uv run python run.py /path/to/paper.pdf --disable-formula

3. 输出

程序会输出最终生成的 Markdown 文件路径。Markdown 中的图片链接会被替换成绝对地址，上传结构为 年/月/日/论文名简写/图片文件名，因此在不同设备上直接打开 Markdown 文件也能看到图片。

4. 环境变量

MINERU_API_TOKEN：MinerU API token
R2_BASE_URL：图床上传基础地址
R2_BEARER_TOKEN：图床 Bearer token
R2_PREFIX：上传路径前缀
R2_PUBLIC_BASE_URL：Markdown 中使用的公开访问基础地址
POLL_INTERVAL_SECONDS：轮询间隔
TIMEOUT_SECONDS：最大等待时间