核心功能与用法
pdf2md 基于 MinerU Open API，提供零配置 PDF 到 Markdown 的转换能力。用户通过 mineru-open-api flash-extract 命令即可处理本地文件或 URL，支持页码范围筛选 (--pages 1-10) 和多语言识别 (--language)。输出保留文档层级结构，将表格、公式转为 Markdown/LaTeX 格式，适合后续 LLM 处理或知识库入库。
显著优点
- 零门槛使用：无需注册、API Key 或身份验证，开箱即用
- 混合内容解析：对学术论文场景优化，公式识别准确度高于通用 OCR
- 多平台支持：提供 Homebrew、curl、PowerShell 一键安装
- 实时处理：文档仅临时上传，处理完成后立即删除，不持久存储
局限性与风险
- 容量限制：免费版仅支持 10MB/20页，大文档需付费或分片处理
- 输出简化：图片被替换为占位符，复杂排版可能丢失格式
- 网络依赖：必须上传至云端处理，敏感文件存在传输风险
- 语言识别：非中英文文档准确度下降，需手动指定语言参数
适用人群
学术研究者、知识管理用户、需要批量将 PDF 论文/报告转为结构化文本的开发者，以及对 DataLab 生态有信任基础的技术用户。
常规风险提示
1. 隐私合规：机密/个人隐私文件不建议使用云端解析模式
2. 结果校验：公式和表格需人工核对，关键数据避免直接引用
3. 服务稳定性：免费 API 可能有速率限制或突发不可用
4. 进阶功能门槛：大文件/高精度提取需认证，形成隐性付费路径