[Question]: [MinerU] Output directory

问题场景

用户在 RAGFlow 的 Docker 容器内，通过 MinerU 解析一份中文 PDF 文件（文件名含中文“磋商文件”）时触发。日志显示 MinerU 正常接收 PDF 并指定输出目录，但最终报 “Missing output file”，表明 MinerU 生成的 _content_list.json 未出现在 parser 预期路径中。

报错原文

13:56:25 Page(1~40): [MinerU] Received binary PDF -> /tmp/mineru_bin_pdf_5r6ipx67/磋商文件.pdf
13:56:25 Page(1~40): [MinerU] Output directory: /tmp/mineru_pdf_e4fil2oe
13:56:39 Page(1~40): [ERROR]Internal server error while chunking: [MinerU] Missing output file: /tmp/mineru_pdf_e4fil2oe/磋商文件/auto/磋商文件_content_list.json
13:56:39 [ERROR][Exception]: [MinerU] Missing output file: /tmp/mineru_pdf_e4fil2oe/磋商文件/auto/磋商文件_content_list.json

原因分析

这是 RAGFlow 与 MinerU 集成的已知问题。MinerU 实际输出文件可能位于 auto、vlm 或方法目录（如 ocr）下，但旧版 parser 的 _read_output 方法只固定搜索 auto 子目录。当 MinerU 后端选择其他目录时，parser 就会找不到输出文件。该问题已通过 PR #11623 修复，修复后 parser 会尝试搜索多个候选目录。

环境排查

• 确认 RAGFlow 版本是否早于 2025‑12‑01（PR #11623 合并日期）。
• 确认 Docker 镜像是否为最新：docker images infiniflow/ragflow。
• 检查容器内语言环境是否支持 UTF‑8：执行 locale 命令。
• 若使用非英文系统，检查文件系统挂载方式是否支持 Unicode 文件名。

解决步骤

1. 更新 RAGFlow 版本：拉取最新镜像并重启容器，确保包含 PR #11623 的补丁。该补丁修改了 mineru_parser.py 中的 _read_output 方法，使其遍历 auto、vlm 及 mineru 返回的 method 目录。
2. 临时调试：若无法立即升级，可在启动 RAGFlow 时设置环境变量 MINERU_DELETE_OUTPUT=0，这样处理完成后保留临时输出目录。进入容器查看 /tmp/mineru_pdf_* 下的实际目录结构，确认输出文件实际所在位置。
3. 手动 patch（临时方案）：如仍使用旧版本，可参考 PR #11623 修改 deepdoc/parser/mineru_parser.py 中 _read_output 的实现，加入对 auto、vlm 和 method 子目录的 fallback 查找逻辑。此步骤需要代码能力，且重启后可能被容器覆盖。

验证方法

重新提交之前失败的 PDF 解析任务，观察日志不再出现 [MinerU] Missing output file 错误，且能正常生成 chunk。可同时测试 ASCII 和非 ASCII 文件名的 PDF，确保均可顺利解析。

参考来源

infiniflow/ragflow #11691 – [Question]: [MinerU] Output directory

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。