如何显示设置文档的页眉和标题的识别能力

[xiong314]

目前解析中错把标题识别为了页眉，同时生成markdown文件中不会显示页眉，如何通过设置将页眉内容加到生成的markdown文件中？

[dosubot[bot]]

这是一个已知问题。MinerU 会将识别为页眉的内容归入 discarded_blocks，默认在后处理中被过滤掉，不会出现在最终 Markdown 输出中。

解决标题被误识别为页眉的问题：

Pipeline 后端容易将位置靠上的标题误识别为页眉，建议切换到 hybrid 或 VLM 后端：

magic-pdf -p /path/to/file.pdf -o /path/to/output -m hybrid
# 或
magic-pdf -p /path/to/file.pdf -o /path/to/output -m vlm

获取页眉内容：

目前 MinerU 没有配置选项直接控制页眉是否输出到 Markdown。但可以通过以下变通方式获取：

1. 使用 VLM 后端处理 PDF
2. 从输出目录的 content_list.json 文件中提取 type: "header" 的内容（VLM 后端会输出页眉内容）
3. 编写自定义脚本将页眉内容整合到 Markdown 中

也可以查看 middle.json 文件中的 discarded_blocks 区域，确认哪些内容被丢弃了。

To reply, just mention @dosu.

---

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