Office文件是如何支持的？

[SuyueLiu]

在官方的网页版demo中支持上传word、PPT文件，想请问是如何支持office文档到算法输入解析的？

[dosubot[bot]]

Hi @SuyueLiu! I'm Dosu and I’m helping the MinerU team.

目前，MinerU 官方网页版 demo 对 Office 文件的支持有以下区别：

• Word（DOCX）：现在已直接支持，无需先转 PDF。上传 DOCX 后，系统会用专门的 docx 解析模块（基于 python-docx、mammoth 等库）直接解析 XML 结构，提取文本、段落、图片、表格、公式（OMML 公式转 LaTeX），生成中间 JSON、Markdown 等格式，方便下游算法或 LLM 工作流使用。输出内容包括原始文件、提取的 markdown、内容列表等，支持结构化和多模态信息流转。相关实现细节

• PPT（PPTX）：目前不支持直接解析，上传会提示不支持。需要先用 LibreOffice 等工具将 PPTX 转为 PDF，再用 MinerU 解析 PDF 文件，才能进入后续的版面分析、OCR、表格/公式识别等流程。官方说明

注意事项：

• DOCX 解析流程不会调用深度学习模型，属于轻量级规则解析，复杂样式还原有限。如果需要高质量的样式/结构提取，建议用 python-docx、Apache POI、Aspose.Words 等专业库单独处理。详细讨论
• PPTX、XLSX 等 Office 文件目前会被检测到但直接跳过处理，系统会有 warning 日志。代码实现
• 早期版本和本地部署如需支持 Office 文件，仍需先手动转 PDF。官方推荐

如需更高质量的内容/结构还原，建议结合专业 Office 解析库与 MinerU 的 PDF 处理能力。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}