公式编号&代码修改

[chengxy1]

当前MinerU只能实现对PDF中的公式进行提取，但公式对应在文中的编号无法提取到Markdown文件中，这对使用者回到论文原文中验证公式检测是否正确增添了麻烦，若实现对公式编号的提取就会方便很多。
另外，我想知道怎么样去修改代码实现对生成的Markdown文件的修改。之前有个讨论说可以在Markdown中公式的LaTex代码后面加入\tag{}来实现追加编号，我希望修改代码可以实现在生成md文件后自动追加公式编号，请问我可以修改哪些代码实现这个操作？
At present, MinerU can only extract the formula in the PDF, but the number of the formula corresponding to the text cannot be extracted into the Markdown file, which adds trouble for the user to go back to the original text of the paper to verify whether the formula detection is correct, and it will be much more convenient to extract the formula number if it is realized.
Also, I'd like to know how to modify the code to make changes to the generated Markdown file. There was a discussion before that you can add "\tag{}" to the end of the LaTex code of the formula in Markdown to achieve append numbering, I hope that the modified code can automatically append the formula number after generating the md file, what code can I modify to achieve this operation?

[dosubot[bot]]

Hi @chengxy1! I'm Dosu and I’m helping the MinerU team.

要让MinerU自动提取PDF公式编号并在Markdown公式后追加编号（如用\tag{}），你需要做如下代码修改：

1. 公式编号提取与关联：MinerU的检测模型已经能区分公式本体（InterlineEquation_Layout）和公式编号（InterlineEquationNumber_Layout），但目前没有自动将编号和公式配对。你可以在 MagicModel（mineru/backend/pipeline/pipeline_magic_model.py）里，利用 __tie_up_category_by_distance_v3 方法，按空间距离将编号块和公式块配对，并把编号内容作为 number 字段加入公式的结构体中（比如在每个公式的dict里加上'number': '1'）参考。

2. 数据结构传递：确保这个 number 字段能一路传递到Markdown生成阶段。也就是在中间JSON、block、span等结构体里都要保留这个字段。

3. Markdown生成逻辑修改：在 mineru/backend/pipeline/pipeline_middle_json_mkcontent.py 里的 merge_para_with_text 函数，处理公式（INTERLINE_EQUATION）时，判断span里是否有number字段，如果有，就在LaTeX内容后追加\tag{number}，比如：

   if span_type == ContentType.INTERLINE_EQUATION:
       if span.get('content', ''):
           latex = span['content']
           if span.get('number'):
               latex += f"\\tag{{{span['number']}}}"
           content = f"\n{display_left_delimiter}\n{latex}\n{display_right_delimiter}\n"

   这样生成的Markdown公式就会自动带上编号参考。

4. 测试与边界情况：建议用带有公式编号的PDF测试，确保编号能正确提取和配对。注意有些编号可能识别不到或配对不准，需根据实际效果微调配对逻辑。

核心改动点就是：公式编号的检测与配对（MagicModel），数据结构的传递，Markdown渲染时追加\tag{}（merge_para_with_text）。这样就能实现你要的自动追加公式编号功能。

To reply, just mention @dosu.

---

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

[chengxy1]

你好，我想知道为什么我修改了pipeline_magic_model.py和pipeline_middle_json_mkcontent.py两个文件后在终端运行mineru -p "D:\gitprogram\MinerU\mineru_input\A Model-driven Deep Neural Network for Single Image Rain Removal.pdf" -o "D:\gitprogram\MinerU\mineru_output" --source local
后依旧跟之前生成的内容没有任何变化，无效修改代码。

[dosubot[bot]]

你本地修改的 pipeline_magic_model.py 和 pipeline_middle_json_mkcontent.py 没有效果，是因为你在终端运行的 mineru 命令其实调用的是已安装（如 pip 安装）的 MinerU 包，而不是你本地源码目录下的文件。Python 包的 CLI（如 mineru）默认会从 site-packages 目录加载代码，只有你用源码方式运行时才会用到你本地的修改。

你有两种解决办法：

1. 用源码方式运行：在 MinerU 项目根目录下用

   python -m mineru.cli.client -p "D:\gitprogram\MinerU\mineru_input\A Model-driven Deep Neural Network for Single Image Rain Removal.pdf" -o "D:\gitprogram\MinerU\mineru_output" --source local
   

   这样就会直接用你本地修改过的代码。

2. 如果你还是想用 mineru 这个命令，可以在 MinerU 项目根目录下执行

   pip install -e .
   

   这样会用“开发模式”把你的本地代码软链接到 Python 环境，之后 mineru 命令就会用到你本地的修改。

修改后建议重启终端，避免缓存问题。如果还有问题，可以在你修改的文件里加 print 或报错，确认 CLI 是否真的执行了你的代码。

参考：mineru CLI 加载机制说明

To reply, just mention @dosu.

---

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