# MinerU 跨页表格合并：核对描述续格与相邻新行，避免错拼两件设备

## 实际范围

教程按 MinerU 4.0 文档编写，需核对实际安装版本及 tier。许可为 Apache 2.0 加额外条款；在线服务标识、规模门槛与模型许可见官方 LICENSE。本站未安装 MinerU 或运行解析模型。

已实际执行：原创输入生成、PDF渲染、文件哈希/教材事实检查与两条故意错误拒绝。人工reference-manual.json不冒充目标工具输出；actual-template.json为空模板，不能视为实际结果。

## 使用

```bash
python3 verify.py
python3 verify.py --actual my-observation.json
```

默认材料检查使用Python标准库；可选的--pdf深度检查需要pypdf，且只接受本题定义的PDF契约。不连接任何外部服务或数据库。--actual检查你填写的规范化事实记录，不自动识别任意工具原生导出；仍须逐项回读原生输出。

## 七步操作

1. 检查两页边界材料

打开 source.pdf，第一页最后一行是 EQ-01 的前半句，第二页首行只续写“另含两根探针”。随后 EQ-02 是新设备。先核对三条记录与数量 2、3、4。

2. 固定版本和输出层

记录 MinerU 的真实版本和解析 tier，先用官方文档核对当前命令。4.0 的 mineru 是文档库入口，mineru-kit 负责无状态批处理；本包没有安装这两个程序。

3. 先保留关闭后处理的结果

对 source.pdf 做一次实际解析，保留原始 JSON、HTML/Markdown、日志和模型信息。不要提前把人工 reference-manual.json 放进模型输出目录。

4. 仅开启跨页续格判断

参考 config-example.yaml 配置 llm_aided，使用自己实际可用的模型和 Key。cross_page_table_cell_merge 默认关闭；本例只打开它，不同时修改标题分级，便于定位差异。

5. 检查同一格的两半句

开启后对同一输入重新解析。比较 EQ-01 的描述是否合成完整一句，并检查 EQ-02 是否仍独立。合并能力不能保证所有表都正确，空白边界不是唯一判断依据。

6. 整理实际核对记录

从自己的实际输出人工整理 actual-template.json，填写三行、数量、描述和一基源页码。该规范化记录用于事实核对，不冒充 MinerU 原生响应结构。

7. 保留错拼负例与原始文件

运行两个负例，确认“并入下一设备”和“丢第二页来源”都会失败。保存关闭/开启后处理的原生文件；脚本通过仅表明已填记录符合本题事实。

## 原创与图片身份

source.pdf及数据文件是本站原创虚构教材。页面官方截图只说明工具入口；人工真值图与材料核验图都注明身份，未生成目标软件的假界面或假模型结果。

## 官方依据

- 4.0 LLM-aided 续格后处理: https://opendatalab.github.io/MinerU/usage/quick_usage/
- 输出契约与源页索引: https://opendatalab.github.io/MinerU/reference/output_files/