AIclinicalresearch/docs/03-业务模块/ASL-AI智能文献/02-技术设计/MinerU API文档.md

MinerU API文档

MinerU API Token： eyJ0eXBlIjoiSldUIiwiYWxnIjoiSFM1MTIifQ.eyJqdGkiOiIyNjkwMDA1MiIsInJvbCI6IlJPTEVfUkVHSVNURVIiLCJpc3MiOiJPcGVuWExhYiIsImlhdCI6MTc3MTgyNzcxNSwiY2xpZW50SWQiOiJsa3pkeDU3bnZ5MjJqa3BxOXgydyIsInBob25lIjoiMTg2MTEzNDg3MzgiLCJvcGVuSWQiOm51bGwsInV1aWQiOiJlNGZiYTc1Zi0xYjQ0LTQyYzQtYThkMy1mOWM2ZmM3YWM0NDIiLCJlbWFpbCI6ImdvZmVuZzExN0AxNjMuY29tIiwiZXhwIjoxNzc5NjAzNzE1fQ.0OmtAKk7Cs_Lw-iMWJkQO5Pk75K8HE3S0X-WQ83lAuTxv9aLkTcR91rbnOfS39EKthmfLNkNa7RGZY-ezvi2ag

单个文件解析 创建解析任务 接口说明 适用于通过 API 创建解析任务的场景，用户须先申请 Token。 注意：

单个文件大小不能超过 200MB,文件页数不超出 600 页 每个账号每天享有 2000 页最高优先级解析额度，超过 2000 页的部分优先级降低 因网络限制，github、aws 等国外 URL 会请求超时 该接口不支持文件直接上传 header头中需要包含 Authorization 字段，格式为 Bearer + 空格 + Token Python 请求示例（适用于pdf、doc、ppt、图片文件）： import requests

token = "官网申请的api token" url = "https://mineru.net/api/v4/extract/task" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" } data = { "url": "https://cdn-mineru.openxlab.org.cn/demo/example.pdf", "model_version": "vlm" }

res = requests.post(url,headers=header,json=data) print(res.status_code) print(res.json()) print(res.json()["data"])

Python 请求示例（适用于html文件）： import requests

token = "官网申请的api token" url = "https://mineru.net/api/v4/extract/task" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" } data = { "url": "https://****", "model_version": "MinerU-HTML" }

res = requests.post(url,headers=header,json=data) print(res.status_code) print(res.json()) print(res.json()["data"])

CURL 请求示例（适用于pdf、doc、ppt、图片文件）： curl --location --request POST 'https://mineru.net/api/v4/extract/task'
--header 'Authorization: Bearer ***'
--header 'Content-Type: application/json'
--header 'Accept: /'
--data-raw '{ "url": "https://cdn-mineru.openxlab.org.cn/demo/example.pdf", "model_version": "vlm" }'

CURL 请求示例（适用于html文件）： curl --location --request POST 'https://mineru.net/api/v4/extract/task'
--header 'Authorization: Bearer '
--header 'Content-Type: application/json'
--header 'Accept: /'
--data-raw '{ "url": "https://*", "model_version": "MinerU-HTML" }'

请求体参数说明 参数 类型 是否必选 示例 描述 url string 是 https://static.openxlab.org.cn/ opendatalab/pdf/demo.pdf 文件 URL，支持.pdf、.doc、.docx、.ppt、.pptx、.png、.jpg、.jpeg、.html多种格式 is_ocr bool 否 false 是否启动 ocr 功能，默认 false，仅对pipeline、vlm模型有效 enable_formula bool 否 true 是否开启公式识别，默认 true，仅对pipeline、vlm模型有效。特别注意的是：对于vlm模型，这个参数指只会影响行内公式的解析 enable_table bool 否 true 是否开启表格识别，默认 true，仅对pipeline、vlm模型有效 language string 否 ch 指定文档语言，默认 ch，其他可选值列表详见：https://www.paddleocr.ai/latest/version3.x/algorithm/PP-OCRv5/PP-OCRv5_multi_languages.html#3，仅对pipeline、vlm模型有效 data_id string 否 abc** 解析对象对应的数据 ID。由大小写英文字母、数字、下划线（）、短划线（-）、英文句号（.）组成，不超过 128 个字符，可以用于唯一标识您的业务数据。 callback string 否 http://127.0.0.1/callback 解析结果回调通知您的 URL，支持使用 HTTP 和 HTTPS 协议的地址。该字段为空时，您必须定时轮询解析结果。callback 接口必须支持 POST 方法、UTF-8 编码、Content-Type:application/json 传输数据，以及参数 checksum 和 content。解析接口按照以下规则和格式设置 checksum 和 content，调用您的 callback 接口返回检测结果。 checksum：字符串格式，由用户 uid + seed + content 拼成字符串，通过 SHA256 算法生成。用户 UID，可在个人中心查询。为防篡改，您可以在获取到推送结果时，按上述算法生成字符串，与 checksum 做一次校验。 content：JSON 字符串格式，请自行解析反转成 JSON 对象。关于 content 结果的示例，请参见任务查询结果的返回示例，对应任务查询结果的 data 部分。 说明:您的服务端 callback 接口收到 Mineru 解析服务推送的结果后，如果返回的 HTTP 状态码为 200，则表示接收成功，其他的 HTTP 状态码均视为接收失败。接收失败时，mineru 将最多重复推送 5 次检测结果，直到接收成功。重复推送 5 次后仍未接收成功，则不再推送，建议您检查 callback 接口的状态。 seed string 否 abc** 随机字符串，该值用于回调通知请求中的签名。由英文字母、数字、下划线（_）组成，不超过 64 个字符，由您自定义。用于在接收到内容安全的回调通知时校验请求由 Mineru 解析服务发起。 说明：当使用 callback 时，该字段必须提供。 extra_formats [string] 否 ["docx","html"] markdown、json为默认导出格式，无须设置，该参数仅支持docx、html、latex三种格式中的一个或多个。对源文件为html的文件无效。 page_ranges string 否 1-600 指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"：表示选取第2页、第4页至第6页（包含4和6，结果为 [2,4,5,6]）；"2--2"：表示从第2页一直选取到倒数第二页（其中"-2"表示倒数第二页）。 model_version string 否 vlm mineru模型版本，三个选项:pipeline、vlm、MinerU-HTML，默认pipeline。如果解析的是HTML文件，model_version需明确指定为MineruU-HTML，如果是非HTML文件，可选择pipeline或vlm no_cache bool 否 false 是否绕过缓存，默认 false。我们的 API 服务器会将 URL 内容缓存一段时间，设置为 true 可忽略缓存结果，从 URL 获取最新内容。 cache_tolerance int 否 900 缓存容忍时间（秒），默认 900（15分钟）。 可容忍的 URL 内容缓存有效时间，超出该时间的缓存不会被使用。当no_cache为false时有效 响应参数说明 参数 类型 示例 说明 code int 0 接口状态码，成功：0 msg string ok 接口处理信息，成功："ok" trace_id string c876cd60b202f2396de1f9e39a1b0172 请求 ID data.task_id string a90e6ab6-44f3-4554-b459-b62fe4c6b436 提取任务 id，可用于查询任务结果 响应示例 { "code": 0, "data": { "task_id": "a90e6ab6-44f3-4554-b4***" }, "msg": "ok", "trace_id": "c876cd60b202f2396de1f9e39a1b0172" }

获取任务结果 接口说明 通过 task_id 查询提取任务目前的进度，任务处理完成后，接口会响应对应的提取详情。

Python 请求示例 import requests

token = "官网申请的api token" url = f"https://mineru.net/api/v4/extract/task/{task_id}" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" }

res = requests.get(url, headers=header) print(res.status_code) print(res.json()) print(res.json()["data"])

CURL 请求示例 curl --location --request GET 'https://mineru.net/api/v4/extract/task/{task_id}'
--header 'Authorization: Bearer *****'
--header 'Accept: /'

响应参数说明 参数 类型 示例 说明 code int 0 接口状态码，成功：0 msg string ok 接口处理信息，成功："ok" trace_id string c876cd60b202f2396de1f9e39a1b0172 请求 ID data.task_id string abc** 任务 ID data.data_id string abc** 解析对象对应的数据 ID。 说明：如果在解析请求参数中传入了 data_id，则此处返回对应的 data_id。 data.state string done 任务处理状态，完成:done，pending: 排队中，running: 正在解析，failed：解析失败，converting：格式转换中 data.full_zip_url string https://cdn-mineru.openxlab.org.cn/ pdf/018e53ad-d4f1-475d-b380-36bf24db9914.zip 文件解析结果压缩包，非html文件解析结果详细说明请参考：https://opendatalab.github.io/MinerU/reference/output_files/， html文件解析结果略有不同 data.err_msg string 文件格式不支持，请上传符合要求的文件类型 解析失败原因，当 state=failed 时有效 data.extract_progress.extracted_pages int 1 文档已解析页数，当state=running时有效 data.extract_progress.start_time string 2025-01-20 11:43:20 文档解析开始时间，当state=running时有效 data.extract_progress.total_pages int 2 文档总页数，当state=running时有效 响应示例 { "code": 0, "data": { "task_id": "47726b6e-46ca-4bb9-******", "state": "running", "err_msg": "", "extract_progress": { "extracted_pages": 1, "total_pages": 2, "start_time": "2025-01-20 11:43:20" } }, "msg": "ok", "trace_id": "c876cd60b202f2396de1f9e39a1b0172" }

{ "code": 0, "data": { "task_id": "47726b6e-46ca-4bb9-******", "state": "done", "full_zip_url": "https://cdn-mineru.openxlab.org.cn/pdf/018e53ad-d4f1-475d-b380-36bf24db9914.zip", "err_msg": "" }, "msg": "ok", "trace_id": "c876cd60b202f2396de1f9e39a1b0172" }

批量文件解析 文件批量上传解析 接口说明 适用于本地文件上传解析的场景，可通过此接口批量申请文件上传链接，上传文件后，系统会自动提交解析任务 注意：

申请的文件上传链接有效期为 24 小时，请在有效期内完成文件上传 上传文件时，无须设置 Content-Type 请求头 文件上传完成后，无须调用提交解析任务接口。系统会自动扫描已上传完成文件自动提交解析任务 单次申请链接不能超过 200 个 header头中需要包含 Authorization 字段，格式为 Bearer + 空格 + Token Python 请求示例（适用于pdf、doc、ppt、图片文件）： import requests

token = "官网申请的api token" url = "https://mineru.net/api/v4/file-urls/batch" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" } data = { "files": [ {"name":"demo.pdf", "data_id": "abcd"} ], "model_version":"vlm" } file_path = ["demo.pdf"] try: response = requests.post(url,headers=header,json=data) if response.status_code == 200: result = response.json() print('response success. result:{}'.format(result)) if result["code"] == 0: batch_id = result["data"]["batch_id"] urls = result["data"]["file_urls"] print('batch_id:{},urls:{}'.format(batch_id, urls)) for i in range(0, len(urls)): with open(file_path[i], 'rb') as f: res_upload = requests.put(urls[i], data=f) if res_upload.status_code == 200: print(f"{urls[i]} upload success") else: print(f"{urls[i]} upload failed") else: print('apply upload url failed,reason:{}'.format(result.msg)) else: print('response not success. status:{} ,result:{}'.format(response.status_code, response)) except Exception as err: print(err)

Python 请求示例（适用于html文件）： import requests

token = "官网申请的api token" url = "https://mineru.net/api/v4/file-urls/batch" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" } data = { "files": [ {"name":"demo.html", "data_id": "abcd"} ], "model_version":"MinerU-HTML" } file_path = ["demo.html"] try: response = requests.post(url,headers=header,json=data) if response.status_code == 200: result = response.json() print('response success. result:{}'.format(result)) if result["code"] == 0: batch_id = result["data"]["batch_id"] urls = result["data"]["file_urls"] print('batch_id:{},urls:{}'.format(batch_id, urls)) for i in range(0, len(urls)): with open(file_path[i], 'rb') as f: res_upload = requests.put(urls[i], data=f) if res_upload.status_code == 200: print(f"{urls[i]} upload success") else: print(f"{urls[i]} upload failed") else: print('apply upload url failed,reason:{}'.format(result.msg)) else: print('response not success. status:{} ,result:{}'.format(response.status_code, response)) except Exception as err: print(err)

CURL 请求示例（适用于pdf、doc、ppt、图片文件）： curl --location --request POST 'https://mineru.net/api/v4/file-urls/batch'
--header 'Authorization: Bearer ***'
--header 'Content-Type: application/json'
--header 'Accept: /'
--data-raw '{ "files": [ {"name":"demo.pdf", "data_id": "abcd"} ], "model_version": "vlm" }'

CURL 请求示例（适用于html文件）： curl --location --request POST 'https://mineru.net/api/v4/file-urls/batch'
--header 'Authorization: Bearer ***'
--header 'Content-Type: application/json'
--header 'Accept: /'
--data-raw '{ "files": [ {"name":"demo.html", "data_id": "abcd"} ], "model_version": "MinerU-HTML" }'

CURL 文件上传示例： curl -X PUT -T /path/to/your/file.pdf 'https://****'

请求体参数说明 参数 类型 是否必选 示例 描述 enable_formula bool 否 true 是否开启公式识别，默认 true，仅对pipeline、vlm模型有效。特别注意的是：对于vlm模型，这个参数指只会影响行内公式的解析 enable_table bool 否 true 是否开启表格识别，默认 true，仅对pipeline、vlm模型有效 language string 否 ch 指定文档语言，默认 ch，其他可选值列表详见：https://www.paddleocr.ai/latest/version3.x/algorithm/PP-OCRv5/PP-OCRv5_multi_languages.html#3，仅对pipeline、vlm模型有效 file.‌name string 是 demo.pdf 文件名，支持.pdf、.doc、.docx、.ppt、.pptx、.png、.jpg、.jpeg、.html多种格式，我们强烈建议文件名带上正确的后缀名 file.is_ocr bool 否 true 是否启动 ocr 功能，默认 false，仅对pipeline、vlm模型有效 file.data_id string 否 abc** 解析对象对应的数据 ID。由大小写英文字母、数字、下划线（）、短划线（-）、英文句号（.）组成，不超过 128 个字符，可以用于唯一标识您的业务数据。 file.page_ranges string 否 1-600 指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"：表示选取第2页、第4页至第6页（包含4和6，结果为 [2,4,5,6]）；"2--2"：表示从第2页一直选取到倒数第二页（其中"-2"表示倒数第二页）。 callback string 否 http://127.0.0.1/callback 解析结果回调通知您的 URL，支持使用 HTTP 和 HTTPS 协议的地址。该字段为空时，您必须定时轮询解析结果。callback 接口必须支持 POST 方法、UTF-8 编码、Content-Type:application/json 传输数据，以及参数 checksum 和 content。解析接口按照以下规则和格式设置 checksum 和 content，调用您的 callback 接口返回检测结果。 checksum：字符串格式，由用户 uid + seed + content 拼成字符串，通过 SHA256 算法生成。用户 UID，可在个人中心查询。为防篡改，您可以在获取到推送结果时，按上述算法生成字符串，与 checksum 做一次校验。 content：JSON 字符串格式，请自行解析反转成 JSON 对象。关于 content 结果的示例，请参见任务查询结果的返回示例，对应任务查询结果的 data 部分。 说明:您的服务端 callback 接口收到 Mineru 解析服务推送的结果后，如果返回的 HTTP 状态码为 200，则表示接收成功，其他的 HTTP 状态码均视为接收失败。接收失败时，mineru 将最多重复推送 5 次检测结果，直到接收成功。重复推送 5 次后仍未接收成功，则不再推送，建议您检查 callback 接口的状态。 seed string 否 abc** 随机字符串，该值用于回调通知请求中的签名。由英文字母、数字、下划线（_）组成，不超过 64 个字符。由您自定义，用于在接收到内容安全的回调通知时校验请求由 Mineru 解析服务发起。 说明:当使用 callback 时，该字段必须提供。 extra_formats [string] 否 ["docx","html"] markdown、json为默认导出格式，无须设置，该参数仅支持docx、html、latex三种格式中的一个或多个。对源文件为html的文件无效。 model_version string 否 vlm mineru模型版本，三个选项:pipeline、vlm、MinerU-HTML，默认pipeline。如果解析的是HTML文件，model_version需明确指定为MineruU-HTML，如果是非HTML文件，可选择pipeline或vlm 响应参数说明 参数 类型 示例 说明 code int 0 接口状态码，成功： 0 msg string ok 接口处理信息，成功："ok" trace_id string c876cd60b202f2396de1f9e39a1b0172 请求 ID data.batch_id string 2bb2f0ec-a336-4a0a-b61a-**** 批量提取任务 id，可用于批量查询解析结果 data.files [string] ["https://mineru.oss-cn-shanghai.aliyuncs.com/api-upload/"] 文件上传链接 响应示例 { "code": 0, "data": { "batch_id": "2bb2f0ec-a336-4a0a-b61a-241afaf9cc87", "file_urls": [ "https://" ] } "msg": "ok", "trace_id": "c876cd60b202f2396de1f9e39a1b0172" }

url 批量上传解析 接口说明 适用于通过 API 批量创建提取任务的场景 注意：

单次申请链接不能超过 200 个 文件大小不能超过 200MB,文件页数不超出 600 页 因网络限制，github、aws 等国外 URL 会请求超时 header头中需要包含 Authorization 字段，格式为 Bearer + 空格 + Token Python 请求示例（适用于pdf、doc、ppt、图片文件）： import requests

token = "官网申请的api token" url = "https://mineru.net/api/v4/extract/task/batch" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" } data = { "files": [ {"url":"https://cdn-mineru.openxlab.org.cn/demo/example.pdf", "data_id": "abcd"} ], "model_version": "vlm" } try: response = requests.post(url,headers=header,json=data) if response.status_code == 200: result = response.json() print('response success. result:{}'.format(result)) if result["code"] == 0: batch_id = result["data"]["batch_id"] print('batch_id:{}'.format(batch_id)) else: print('submit task failed,reason:{}'.format(result.msg)) else: print('response not success. status:{} ,result:{}'.format(response.status_code, response)) except Exception as err: print(err)

Python 请求示例（适用于html文件）： import requests

token = "官网申请的api token" url = "https://mineru.net/api/v4/extract/task/batch" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" } data = { "files": [ {"url":"https://***", "data_id": "abcd"} ], "model_version": "MinerU-HTML" } try: response = requests.post(url,headers=header,json=data) if response.status_code == 200: result = response.json() print('response success. result:{}'.format(result)) if result["code"] == 0: batch_id = result["data"]["batch_id"] print('batch_id:{}'.format(batch_id)) else: print('submit task failed,reason:{}'.format(result.msg)) else: print('response not success. status:{} ,result:{}'.format(response.status_code, response)) except Exception as err: print(err)

CURL 请求示例（适用于pdf、doc、ppt、图片文件）： curl --location --request POST 'https://mineru.net/api/v4/extract/task/batch'
--header 'Authorization: Bearer ***'
--header 'Content-Type: application/json'
--header 'Accept: /'
--data-raw '{ "files": [ {"url":"https://cdn-mineru.openxlab.org.cn/demo/example.pdf", "data_id": "abcd"} ], "model_version": "vlm" }'

CURL 请求示例（适用于html文件）： curl --location --request POST 'https://mineru.net/api/v4/extract/task/batch'
--header 'Authorization: Bearer '
--header 'Content-Type: application/json'
--header 'Accept: /'
--data-raw '{ "files": [ {"url":"https://", "data_id": "abcd"} ], "model_version": "MinerU-HTML" }'

请求体参数说明 参数 类型 是否必选 示例 描述 enable_formula bool 否 true 是否开启公式识别，默认 true，仅对pipeline、vlm模型有效。特别注意的是：对于vlm模型，这个参数指只会影响行内公式的解析 enable_table bool 否 true 是否开启表格识别，默认 true，仅对pipeline、vlm模型有效 language string 否 ch 指定文档语言，默认 ch，其他可选值列表详见：https://www.paddleocr.ai/latest/version3.x/algorithm/PP-OCRv5/PP-OCRv5_multi_languages.html#3，仅对pipeline、vlm模型有效 file.url string 是 demo.pdf 文件链接，支持.pdf、.doc、.docx、.ppt、.pptx、.png、.jpg、.jpeg、.html多种格式 file.is_ocr bool 否 true 是否启动 ocr 功能，默认 false，仅对pipeline、vlm模型有效 file.data_id string 否 abc** 解析对象对应的数据 ID。由大小写英文字母、数字、下划线（）、短划线（-）、英文句号（.）组成，不超过 128 个字符，可以用于唯一标识您的业务数据。 file.page_ranges string 否 1-600 指定页码范围，格式为逗号分隔的字符串。例如："2,4-6"：表示选取第2页、第4页至第6页（包含4和6，结果为 [2,4,5,6]）；"2--2"：表示从第2页一直选取到倒数第二页（其中"-2"表示倒数第二页）。 callback string 否 http://127.0.0.1/callback 解析结果回调通知您的 URL，支持使用 HTTP 和 HTTPS 协议的地址。该字段为空时，您必须定时轮询解析结果。callback 接口必须支持 POST 方法、UTF-8 编码、Content-Type:application/json 传输数据，以及参数 checksum 和 content。解析接口按照以下规则和格式设置 checksum 和 content，调用您的 callback 接口返回检测结果。 checksum：字符串格式，由用户 uid + seed + content 拼成字符串，通过 SHA256 算法生成。用户 UID，可在个人中心查询。为防篡改，您可以在获取到推送结果时，按上述算法生成字符串，与 checksum 做一次校验。 content：JSON 字符串格式，请自行解析反转成 JSON 对象。关于 content 结果的示例，请参见任务查询结果的返回示例，对应任务查询结果的 data 部分。 说明:您的服务端 callback 接口收到 Mineru 解析服务推送的结果后，如果返回的 HTTP 状态码为 200，则表示接收成功，其他的 HTTP 状态码均视为接收失败。接收失败时，mineru 将最多重复推送 5 次检测结果，直到接收成功。重复推送 5 次后仍未接收成功，则不再推送，建议您检查 callback 接口的状态。 seed string 否 abc** 随机字符串，该值用于回调通知请求中的签名。由英文字母、数字、下划线（_）组成，不超过 64 个字符。由您自定义，用于在接收到内容安全的回调通知时校验请求由 Mineru 解析服务发起。 说明：当使用 callback 时，该字段必须提供。 extra_formats [string] 否 ["docx","html"] markdown、json为默认导出格式，无须设置，该参数仅支持docx、html、latex三种格式中的一个或多个。对源文件为html的文件无效。 model_version string 否 vlm mineru模型版本，三个选项:pipeline、vlm、MinerU-HTML，默认pipeline。如果解析的是HTML文件，model_version需明确指定为MineruU-HTML，如果是非HTML文件，可选择pipeline或vlm no_cache bool 否 false 是否绕过缓存，默认 false。我们的 API 服务器会将 URL 内容缓存一段时间，设置为 true 可忽略缓存结果，从 URL 获取最新内容。 cache_tolerance int 否 900 缓存容忍时间（秒），默认 900（15分钟）。 可容忍的 URL 内容缓存有效时间，超出该时间的缓存不会被使用。当no_cache为false时有效 请求体示例 { "files": [ {"url":"https://cdn-mineru.openxlab.org.cn/demo/example.pdf", "data_id": "abcd"} ], "model_version": "vlm" }

响应参数说明 参数 类型 示例 说明 code int 0 接口状态码，成功：0 msg string ok 接口处理信息，成功："ok" trace_id string c876cd60b202f2396de1f9e39a1b0172 请求 ID data.batch_id string 2bb2f0ec-a336-4a0a-b61a-**** 批量提取任务 id，可用于批量查询解析结果 响应示例 { "code": 0, "data": { "batch_id": "2bb2f0ec-a336-4a0a-b61a-241afaf9cc87" }, "msg": "ok", "trace_id": "c876cd60b202f2396de1f9e39a1b0172" }

批量获取任务结果 接口说明 通过 batch_id 批量查询提取任务的进度。

Python 请求示例 import requests

token = "官网申请的api token" url = f"https://mineru.net/api/v4/extract-results/batch/{batch_id}" header = { "Content-Type": "application/json", "Authorization": f"Bearer {token}" }

res = requests.get(url, headers=header) print(res.status_code) print(res.json()) print(res.json()["data"])

CURL 请求示例 curl --location --request GET 'https://mineru.net/api/v4/extract-results/batch/{batch_id}'
--header 'Authorization: Bearer *****'
--header 'Accept: /'

响应参数说明 参数 类型 示例 说明 code int 0 接口状态码，成功：0 msg string ok 接口处理信息，成功："ok" trace_id string c876cd60b202f2396de1f9e39a1b0172 请求 ID data.batch_id string 2bb2f0ec-a336-4a0a-b61a-241afaf9cc87 batch_id data.extract_result.file_name string demo.pdf 文件名 data.extract_result.state string done 任务处理状态，完成:done，waiting-file: 等待文件上传排队提交解析任务中，pending: 排队中，running: 正在解析，failed：解析失败，converting：格式转换中 data.extract_result.full_zip_url string https://cdn-mineru.openxlab.org.cn/pdf/018e53ad-d4f1-475d-b380-36bf24db9914.zip 文件解析结果压缩包，非html文件解析结果详细说明请参考：https://opendatalab.github.io/MinerU/reference/output_files/， html文件解析结果略有不同 data.extract_result.err_msg string 文件格式不支持，请上传符合要求的文件类型 解析失败原因，当 state=failed 时，有效 data.extract_result.data_id string abc** 解析对象对应的数据 ID。 说明：如果在解析请求参数中传入了 data_id，则此处返回对应的 data_id。 data.extract_result.extract_progress.extracted_pages int 1 文档已解析页数，当state=running时有效 data.extract_result.extract_progress.start_time string 2025-01-20 11:43:20 文档解析开始时间，当state=running时有效 data.extract_result.extract_progress.total_pages int 2 文档总页数，当state=running时有效 响应示例 { "code": 0, "data": { "batch_id": "2bb2f0ec-a336-4a0a-b61a-241afaf9cc87", "extract_result": [ { "file_name": "example.pdf", "state": "done", "err_msg": "", "full_zip_url": "https://cdn-mineru.openxlab.org.cn/pdf/018e53ad-d4f1-475d-b380-36bf24db9914.zip" }, { "file_name":"demo.pdf", "state": "running", "err_msg": "", "extract_progress": { "extracted_pages": 1, "total_pages": 2, "start_time": "2025-01-20 11:43:20" } } ] }, "msg": "ok", "trace_id": "c876cd60b202f2396de1f9e39a1b0172" }

常见错误码 错误码 说明 解决建议 A0202 Token 错误 检查 Token 是否正确，请检查是否有Bearer前缀 或者更换新 Token A0211 Token 过期 更换新 Token -500 传参错误 请确保参数类型及Content-Type正确 -10001 服务异常 请稍后再试 -10002 请求参数错误 检查请求参数格式 -60001 生成上传 URL 失败，请稍后再试 请稍后再试 -60002 获取匹配的文件格式失败 检测文件类型失败，请求的文件名及链接中带有正确的后缀名，且文件为 pdf,doc,docx,ppt,pptx,png,jp(e)g 中的一种 -60003 文件读取失败 请检查文件是否损坏并重新上传 -60004 空文件 请上传有效文件 -60005 文件大小超出限制 检查文件大小，最大支持 200MB -60006 文件页数超过限制 请拆分文件后重试 -60007 模型服务暂时不可用 请稍后重试或联系技术支持 -60008 文件读取超时 检查 URL 可访问 -60009 任务提交队列已满 请稍后再试 -60010 解析失败 请稍后再试 -60011 获取有效文件失败 请确保文件已上传 -60012 找不到任务 请确保task_id有效且未删除 -60013 没有权限访问该任务 只能访问自己提交的任务 -60014 删除运行中的任务 运行中的任务暂不支持删除 -60015 文件转换失败 可以手动转为pdf再上传 -60016 文件转换失败 文件转换为指定格式失败，可以尝试其他格式导出或重试 -60017 重试次数达到上线 等后续模型升级后重试 -60018 每日解析任务数量已达上限 明日再来 -60019 html文件解析额度不足 明日再来 -60020 文件拆分失败 请稍后重试 -60021 读取文件页数失败 请稍后重试 -60022 网页读取失败 可能因网络问题或者限频导致读取失败，请稍后重试