# MinerUapi - PDF Processing Serverless API

基于 magic-pdf 0.9.2 版本的 PDF 处理 Serverless API。

## 功能特性

- PDF文本提取和OCR处理
- 自动识别文本PDF和OCR PDF
- 支持混合模式PDF处理
- S3存储集成

## API 使用说明

### 请求格式

json
{
"pdf_bytes": "base64编码的PDF文件内容",
"lang": "zh", // 可选，默认"zh"
"layout_model": true, // 可选，默认true
"formula_enable": true, // 可选，默认true
"table_enable": true, // 可选，默认true
"is_debug": false // 可选，默认false
}

### 响应格式

成功响应：

json
{
    "status": "success",
    "data": {
        "_parse_type": "txt或ocr",
        "_version_name": "0.9.2",
        "_lang": "zh",
        // 其他PDF解析结果
    }
}

错误响应：

json
{
"status": "error",
"message": "错误信息"
}

## 环境变量要求

部署时需要配置以下环境变量：

- `S3_ACCESS_KEY`: S3访问密钥
- `S3_SECRET_KEY`: S3访问密钥密文
- `S3_ENDPOINT`: S3服务端点
- `S3_BUCKET`: S3存储桶名称

## Python调用示例

python
from huggingface_hub import InferenceClient
import base64
def process_pdf(pdf_path: str, hf_token: str):
# 创建客户端
client = InferenceClient(
model="kitjesen/MinerUapi", # 替换为您的模型ID
token=hf_token
)
# 读取并编码PDF
with open(pdf_path, 'rb') as f:
pdf_bytes = base64.b64encode(f.read()).decode()
# 发送请求
response = client.post(json={
"pdf_bytes": pdf_bytes,
"lang": "zh",
"layout_model": True,
"formula_enable": True,
"table_enable": True
})
return response
# 使用示例
try:
result = process_pdf("example.pdf", "your_hf_token")
if result["status"] == "success":
    print("解析类型:", result["data"]["_parse_type"])
    print("版本:", result["data"]["_version_name"])
else:
print("处理失败:", result["message"])
except Exception as e:
print(f"调用出错: {str(e)}")

## 注意事项

1. 文件限制：
   - PDF大小建议不超过10MB
   - 支持文本PDF和扫描PDF

2. 处理时间：
   - 文本PDF: 通常几秒内完成
   - OCR PDF: 可能需要较长时间

3. S3存储：
   - 确保配置的S3权限正确
   - 建议定期清理临时文件

4. 版本说明：
   - 当前使用 magic-pdf 0.9.2 版本
   - 建议定期检查版本更新