Commits · 877160a74fa4e3c333dcb583e4bb868b94d105fb · wangsen / MinerU

10 Apr, 2024 1 commit
- 实现parse_ocr_pdf api，切图逻辑s3使用平铺地址，本地使用层级地址，删除预设s3_image_save_path · 00f16239
  赵小蒙 authored Apr 10, 2024
  
  00f16239
08 Apr, 2024 3 commits
- 注释更新 · ca7059e5
  赵小蒙 authored Apr 08, 2024
  
  ca7059e5
- (统一格式)修复中文语境下长文本因分词导致文本丢失问题 · 97153fab
  赵小蒙 authored Apr 08, 2024
```
(统一格式)修复中文语境content间被增加额外空格的问题
公式内容被转义问题
```
  97153fab
- 修复中文语境下长文本因分词导致文本丢失和content间被增加额外空格的问题 · 05fe0548
  赵小蒙 authored Apr 08, 2024
  
  05fe0548
07 Apr, 2024 1 commit
- update · 892f522a
  赵小蒙 authored Apr 07, 2024
  
  892f522a
29 Mar, 2024 2 commits
- mk_nlp_markdown中table的拼接方式更新 · 26e19fd2
  赵小蒙 authored Mar 29, 2024
  
  26e19fd2
- table_latex支持 · d6a5724b
  赵小蒙 authored Mar 29, 2024
  
  d6a5724b
26 Mar, 2024 1 commit
- make_standard_format_with_para逻辑更新 · b7652171
  赵小蒙 authored Mar 26, 2024
  
  b7652171
25 Mar, 2024 1 commit
- 拼接markdown时，如果para_text为空则跳过拼接 · 473a0a7d
  赵小蒙 authored Mar 25, 2024
  
  473a0a7d
24 Mar, 2024 2 commits
- 更新ocr_mk_mm_markdown_with_para_core逻辑 · d3ee9abb
  赵小蒙 authored Mar 24, 2024
  
  d3ee9abb
- 新增ocr_mk_nlp_markdown_with_para方法 · bf8d8e21
  赵小蒙 authored Mar 24, 2024
  
  bf8d8e21
22 Mar, 2024 4 commits
- ocr_mk_mm_markdown_with_para和ocr_mk_mm_markdown_with_para_and_pagination逻辑优化 · 7d010e19
  赵小蒙 authored Mar 22, 2024
  
  7d010e19
- ocr_mk_mm_markdown_with_para_and_pagination逻辑更新 · dbe79ba1
  赵小蒙 authored Mar 22, 2024
  
  dbe79ba1
- 使用面积占比方式判断一行文本是不是在一个layoutbox里 · f36c2656
  kernel.h@qq.com authored Mar 22, 2024
  
  f36c2656
- ocr增加分页markdown输出格式 · e9aa103c
  赵小蒙 authored Mar 22, 2024
  
  e9aa103c
21 Mar, 2024 4 commits
- 英文文本拼接时，如果单个单词超过15个字符，则对该单词进行切分处理。行间公式/图片/表格独立占有一行 · 99055af3
  赵小蒙 authored Mar 21, 2024
  
  99055af3
- 解决'[]'括起来的文本被识别成链接的问题 · 0dbbf9c3
  赵小蒙 authored Mar 21, 2024
  
  0dbbf9c3
- 制作OCR markdown · 056aed86
  kernel.h@qq.com authored Mar 21, 2024
  
  056aed86
- line_to_standard_format 逻辑更新 · c5624ace
  赵小蒙 authored Mar 21, 2024
  
  c5624ace
19 Mar, 2024 1 commit
- qa需求定制输出 · ef267e09
  赵小蒙 authored Mar 19, 2024
  
  ef267e09
16 Mar, 2024 2 commits
- 元素类型引用统一定义 · 83753cbd
  xuchao authored Mar 16, 2024
  
  83753cbd
- 按照统一格式组合文本型pdf的解析结果 · d5ea44f9
  xuchao authored Mar 16, 2024
  
  d5ea44f9
15 Mar, 2024 4 commits
- 增加标准格式的拼装逻辑 · 051ee3c3
  赵小蒙 authored Mar 15, 2024
  
  051ee3c3
- s3_image_save_path统一配置 · f10b4a50
  赵小蒙 authored Mar 15, 2024
  
  f10b4a50
- mk_mm_markdown2中span_type分类更新 · 195998a0
  赵小蒙 authored Mar 15, 2024
  
  195998a0
- make多模态markdown时图片地址更改为fullpath · f06a3213
  赵小蒙 authored Mar 15, 2024
  
  f06a3213
14 Mar, 2024 5 commits
- 实现layout内部分段 · 084e9328
  xuchao authored Mar 14, 2024
  
  084e9328
- make markdown时特殊符号转义 · 59b0b0c3
  赵小蒙 authored Mar 14, 2024
  
  59b0b0c3
- ocr模式更新spark pipeline · 9bd6294b
  赵小蒙 authored Mar 14, 2024
  
  9bd6294b
- ocr模式下content type 抽象 · 26c23782
  赵小蒙 authored Mar 14, 2024
  
  26c23782
- 在layout.pdf中绘制drop的bbox · b6f051d8
  赵小蒙 authored Mar 14, 2024
  
  b6f051d8
12 Mar, 2024 1 commit
- 增加生成多模态markdown逻辑 · ec1a6ef7
  赵小蒙 authored Mar 12, 2024
  
  ec1a6ef7
07 Mar, 2024 1 commit
- 修复一个span可能没有content导致的问题 · 00f3e329
  赵小蒙 authored Mar 07, 2024
  
  00f3e329
06 Mar, 2024 1 commit
- 增加ocr版本解析功能 · 701f3849
  赵小蒙 authored Mar 06, 2024
  
  701f3849
01 Mar, 2024 1 commit
- 目录重构 · d5dbed73
  赵小蒙 authored Mar 01, 2024
  
  d5dbed73