README.md

# magic_pdf

## 安装

### 以下演示在223节点安装pdf解析模块（可以直接使用镜像：1177ea7959ce）

### 1、安装需要的依赖库
下载官方的项目:
` git clone https://github.com/opendatalab/MinerU.git`
#### 将本项目的magic_pdf替换git clone 官方的magic_pdf
#### pip uninstall magic-pdf
#### pip install -e .

### 2、安装需要的模型
`git clone https://www.modelscope.cn/opendatalab/PDF-Extract-Kit.git`
#### 修改magic-pdf.template.json
cd MinerU
<div align=center>
    <img src="doc/image (9).png"/>
</div>
需要注意，"models-dir":"/home/practice/model/PDF-Extract-Kit/models" 路径指向PDF-Extract-Kit/models

将magic-pdf.template.json 拷贝到/root目录下并改名为magic-pdf.json
<div align=center>
    <img src="doc/image (10).png"/>
</div>
### 4、启动qwen-ocr模块：
`python magic_pdf/dict2md/ocr_server.py`
默认使用6020端口，0号DCU卡 ，可以通过--dcu_id 指定卡，--server_port指定端口号

qwen-ocr模块启动成功：
<div align=center>
    <img src="doc/image (5).png"/>
</div>

### 5、启动pdf-server解析服务：
`python magic_pdf/tools/pdf_server.py`
<div align=center>
    <img src="doc/image (6).png"/>
</div>
启动成功：
<div align=center>
    <img src="doc/image (7).png"/>
</div>

### 6、解析pdf
`python magic_pdf/parse/common_parse.py -p [文件/目录 路径] -o [输出地址]`
<div align=center>
    <img src="doc/image (8).png"/>
</div>
-p指定pdf路径，-o指定输出路径