PDF与图片文字提取器v2.1.0

免责声明：本站部分 Skill 来源于公开渠道，使用前请注意识别相关风险，内容版权归原作者所有，如 Skill 涉及版权问题，请在线反馈，核实后予以下架处理。

概述

本 Skill 面向需要快速提取文档文字的场景，支持用户上传单张图片、单个 PDF 或整个文件夹进行批量处理。对于普通 PDF 直接提取文字层并保留段落结构；遇到扫描版页面时自动渲染为高清 PNG，交由 AI 视觉识别而无需安装任何 OCR 引擎。同时内置表格结构化提取，可将 PDF 中的表格转为 Markdown 格式。关键数字串（手机号、订单号、金额等）执行静默双重校验，降低误识别风险。全程仅需 pymupdf 与 requests 两个依赖，输出为可直接阅读的 Markdown 文本或文件。

技能包含

• SKILL.md（本文件）：技能主说明，含触发条件、鉴权流程、操作步骤与输出约定
• README.md / README.en.md：安装与使用说明（中英文）
• scripts/record.py：鉴权脚本，调用红狐 API 校验使用权限
• scripts/changelog.py：版本更新提示脚本，首次使用或升级时展示新功能
• scripts/pdf_text_extractor.py：PDF 文字提取主脚本，支持文字提取、表格识别、扫描页渲染
• scripts/batch_extractor.py：批量处理脚本，支持 PDF + 图片混合目录，可输出合并 Markdown 或 JSON
• _skillhub_meta.json：Skill 元数据

核心能力

• 图片文字提取：调用 AI 视觉识别 PNG、JPG、WebP 等常见格式图片中的文字，保持原有排版结构
• 扫描件 AI 识别：自动检测文字层稀少的 PDF 页面，渲染为高清图片后由 read_image 识别，零 OCR 依赖
• 表格结构化提取：使用 pymupdf 内置 find_tables() 将 PDF 表格转为 Markdown 格式，支持开关控制
• 批量目录处理：递归处理文件夹内所有 PDF 与图片，输出合并报告或 JSON 结构化数据
• 关键数字双重校验：对手机号、订单号等执行静默两轮识别，不一致时标注待确认，降低易混淆数字错误
• 鉴权与版本管理：每次执行前自动校验 API Key 权限，版本升级时主动提示新功能

应用场景