Commits · b94fd7f068d241df502ea0d3931e205bd7f599a1 · wangsen / MinerU

21 Mar, 2024 4 commits
- feat: add layout · 4f1f7d62
  许瑞 authored Mar 21, 2024
  
  4f1f7d62
- qa版本最终阶段保留pdf_intermediate_dict信息 · 1d5d7781
  赵小蒙 authored Mar 21, 2024
  
  1d5d7781
- fix: fix typo · 390fdb2c
  许瑞 authored Mar 21, 2024
  
  390fdb2c
- feat: add extract_train_data · 09269c84
  许瑞 authored Mar 20, 2024
  
  09269c84
19 Mar, 2024 1 commit
- qa需求定制输出 · ef267e09
  赵小蒙 authored Mar 19, 2024
  
  ef267e09
18 Mar, 2024 2 commits
- ocr后不需要再次检测need_drop，且ocr_dropped_parse_pdf逻辑后需要将need_drop置为false · f5b9cff4
  赵小蒙 authored Mar 18, 2024
  
  f5b9cff4
- 增加uni_parse_pdf逻辑 · b7c12891
  赵小蒙 authored Mar 18, 2024
  
  b7c12891
16 Mar, 2024 1 commit
- 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 3 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
- book_name生成逻辑更新 · b1ac8d03
  赵小蒙 authored Mar 15, 2024
  
  b1ac8d03
14 Mar, 2024 2 commits
- ocr模式更新spark pipeline · 9bd6294b
  赵小蒙 authored Mar 14, 2024
  
  9bd6294b
- data_type/bookid/data_source兼容处理 · 8a52ada3
  赵小蒙 authored Mar 14, 2024
  
  8a52ada3
01 Mar, 2024 1 commit
- 目录重构 · f7a7206e
  赵小蒙 authored Mar 02, 2024
  
  f7a7206e