メインコンテンツまでスキップ

MinerU PDF解析

目的​

MinerUサービスを呼び出してPDFドキュメントを解析し、高品質のMarkdownテキストと画像を抽出して、直接読み取り可能なノートファイルを生成します。

MinerUは深層学習に基づくPDF解析ツールで、学術論文から高品質のテキストと図を抽出します。

ユースケース​

  • PDF形式の文献を編集可能なMarkdownに変換する
  • 下流Workflow（Literature Analysis、Deep Readingなど）用のプレーンテキストドキュメントを準備する
  • PDFから画像や表を抽出する

MinerUバックエンドの設定​

1. MinerUアカウントの登録とAPIトークンの取得​

  1. mineru.netにアクセスしてアカウントを登録
  2. ログイン後、API → API管理ページに移動
  3. APIトークンを作成またはコピー

2. バックエンドマネージャーでバックエンドを追加​

  1. **ツール → バックエンドマネージャー**を開く
  2. Generic HTTPタブに切り替える
  3. Add Generic HTTPをクリック
  4. 以下のフィールドを入力:
フィールド値
表示名MinerU Official（または任意の名前）
Base URLhttps://mineru.net
Auth Methodbearer
Auth Token前のステップで取得したAPIトークンを貼り付け
Timeout600000（10分）
  1. 右下のSaveをクリック

入力制約​

制約タイプ説明
入力ユニット添付ファイル
受付タイプapplication/pdf（PDFのみ）
コンフリクト検出同じディレクトリに同じ名前の.mdファイルが既に存在する場合、PDFはスキップされる

実行方法​

  • 1つ以上のPDF添付ファイルを直接選択
  • 親アイテムを選択すると、プラグインが自動的に子PDF添付ファイルを展開

コンフリクト処理​

  • 対象ディレクトリに<PDFファイル名>.mdが存在するかをチェック
  • 存在する場合、前処理中に入力がスキップされる
  • すべての候補にコンフリクトがある場合、Workflowはタスクを提出しない

実行フロー​

1. アップロードURLのリクエスト
   └── MinerU APIにPOSTしてbatch_idとupload_urlを取得

2. ファイルアップロード
   └── PDFファイルをバイナリアップロード

3. 結果のポーリング
   └── 処理完了または失敗まで繰り返しクエリ
       └── 間隔: 2秒

4. 結果のダウンロード
   └── バンドル（zip形式）をダウンロード

5. ローカルマテリアライゼーション
   └── バンドルを解凍
       └── Markdown内容を抽出
       └── 画像を抽出
       └── Markdown内の画像パスをローカルの相対パスに書き換え
       └── PDFと同じディレクトリに書き込み

出力​

1. Markdownファイル​

  • 場所: PDFと同じディレクトリ
  • 命名: <元のファイル名>.md
  • 内容: 解析されたMarkdownテキスト
  • エンコーディング: UTF-8

2. 画像ディレクトリ​

  • 場所: PDFと同じディレクトリ: Images_<ItemKey>/
  • 内容: PDFから抽出された画像ファイル

3. リンク付き添付ファイル​

  • タイプ: ローカルファイルへのリンク
  • 場所: 親アイテムの下
  • 対象: .mdファイル

クリーンアップロジック​

  • 対象ディレクトリにImages_<ItemKey>/が既に存在する場合、古いディレクトリは書き込み前に削除される
  • 既に存在する.mdリンク付き添付ファイルの重複作成を回避

推定所要時間​

PDFサイズ推定時間
短い論文（≤15ページ）30秒〜1分
標準（15〜40ページ）1〜2分
長い論文（40ページ以上）2〜3分

所要時間は主にMinerUサービスの処理速度に依存します。

パラメータ​

MinerU Workflowにはユーザーが設定可能なパラメータはありません。

モデル推奨​

LLMモデルは不要です。このWorkflowはHTTP API経由でMinerUサービスを呼び出すだけです。

依存関係​

  • バックエンド: MinerUサービス（Generic HTTPバックエンド）
  • バックエンド設定: バックエンドマネージャーでGeneric HTTPタイプのバックエンドを設定
  • 認証: 有効なAPIトークン（Bearerトークン）が必要
  • MinerUサービスURL: https://mineru.netまたは他のデプロイされたインスタンス

関連Workflow​

  • Literature Analysis — 解析されたMarkdownからダイジェストと引用分析を生成