# Ubuntu/Debian
curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt-get install -y nodejs

# 或者使用nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash
nvm install 18

2. 安装项目依赖

cd /workspace
npm install

3. 配置环境变量

复制.env.example为.env并填写配置：

cp .env.example .env

编辑.env文件，填写以下内容：

# Mineru API配置
API_TOKEN=your_actual_api_token_here
API_BASE_URL=https://mineru.net

# 目录配置
DOCUMENTS_DIR=./documents
RESULTS_DIR=./results

# 轮询配置（毫秒）
POLL_INTERVAL=5000
MAX_POLL_INTERVAL=60000

# 文件配置
MAX_FILE_SIZE=209715200

# 任务超时配置（毫秒）
TASK_TIMEOUT=7200000

使用方法

1. 准备文档

将待解析的文档放入documents目录：

# 示例文档
cp your_file.pdf documents/

2. 运行脚本

主要功能（上传+解析+下载）：

npm start

开发模式（支持热重载）：

npm run dev

仅下载已有结果（如果之前只解析了但没有下载）：

npm run download

3. 查看结果并下载

处理完成后，系统会自动：

将任务结果保存为JSON文件到results/目录
自动下载所有解析成功的ZIP文件到results/目录

结果JSON文件格式：

{
  "batch_id": "...",
  "timestamp": "2025-01-21T...",
  "results": [
    {
      "file_name": "example.pdf",
      "state": "done",
      "full_zip_url": "https://..."
    }
  ],
  "statistics": {
    "total": 1,
    "done": 1,
    "failed": 0,
    "running": 0
  }
}

支持的文件类型

.pdf
.doc, .docx
.pptx
.xlsx
.txt

配置说明

配置项	说明	默认值
`API_TOKEN`	API认证令牌（必填）	-
`API_BASE_URL`	API基础URL	`https://mineru.net`
`DOCUMENTS_DIR`	文档目录	`./documents`
`RESULTS_DIR`	结果目录	`./results`
`POLL_INTERVAL`	初始轮询间隔（毫秒）	`5000`
`MAX_POLL_INTERVAL`	最大轮询间隔（毫秒）	`60000`
`MAX_FILE_SIZE`	最大文件大小（字节）	`209715200` (200MB)
`TASK_TIMEOUT`	任务超时时间（毫秒）	`7200000` (2小时)

注意事项

单次上传限制：单次最多处理200个文件
文件大小限制：单个文件不超过200MB
上传链接有效期：申请的上传链接有效期为24小时
超时设置：任务默认超时时间为2小时，可通过TASK_TIMEOUT配置

可用命令

命令	说明
`npm start`	上传文档、解析并自动下载解压
`npm run dev`	开发模式（支持热重载）
`npm run download`	仅下载已解析的结果
`npm run view`	查看所有解析结果详情

项目结构

/workspace
├── package.json          # 项目配置
├── config.js             # 配置管理
├── index.js              # 主程序
├── download_results.js   # 下载脚本
├── view_results.js       # 查看结果脚本
├── services/
│   ├── apiService.js     # API调用服务
│   └── fileService.js    # 文件处理服务
├── documents/            # 待解析文档目录
└── results/              # 解析结果目录
    ├── *.json            # 解析结果元数据
    ├── *.zip             # 下载的ZIP文件
    └── *_extracted/      # 解压的文件
        ├── full.md              # 完整Markdown
        ├── *_origin.pdf         # 原始PDF
        ├── *_content_list.json  # 内容列表
        └── layout.json          # 布局信息