↑
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 面向需要从图片或 PDF 文档中提取可编辑文字的场景。针对文字版 PDF，直接提取文字层并结构化输出表格；针对扫描版 PDF，自动将无文字层的页面渲染为高清图片，交由 AI 视觉识别，无需安装 Tesseract 等 OCR 引擎。支持 PNG、JPG、WebP 等常见图片格式的文字提取，并内置数字二次校验机制——对手机号、订单号等关键数字串执行静默聚焦验证，降低 6/8/9/0 等易混淆字符的误识率。批量模式下可一次性处理整个目录中的 PDF 与图片混合文件，输出合并 Markdown 报告或 JSON 结构化数据。
技能包含
SKILL.md：技能主说明，含触发条件、鉴权流程、提取步骤与输出约定README.md/README.en.md：安装与使用文档（中英文）scripts/pdf_text_extractor.py：PDF 文字提取脚本，支持文字层提取、扫描页渲染、表格结构化识别scripts/batch_extractor.py：批量处理脚本，支持 PDF + 图片混合目录，可输出 Markdown 或 JSONscripts/record.py：鉴权脚本，调用红狐 API 请求使用权限并校验 API Keyscripts/changelog.py：版本提示脚本，首次使用或版本升级时展示新功能介绍
核心能力
- 零依赖 OCR：扫描版 PDF 自动渲染为图片，由 AI 视觉识别，无需安装 tesseract/rapidocr 等引擎
- 表格结构化提取：基于 pymupdf 内置
find_tables()识别 PDF 表格并输出 Markdown，无需 pdfplumber - 关键数字静默校验：对手机号、订单号等数字串执行后台二次聚焦识别，自动比对形状特征，仅输出确认结果
- 批量混合处理：单命令处理目录下所有 PDF 与图片，支持合并报告、JSON 输出及进度统计
- 多格式支持：覆盖 PNG、JPG、JPEG、GIF、WebP、BMP、TIFF 及文字版/扫描版 PDF
应用场景
| 用户怎么说 | 本技能做什么 |
|---|---|
| "帮我提取这张图片里的文字" | 调用 read_image 识别图片内容，对关键数字串执行静默二次校验，输出整理后的文字 |
| "把这个 PDF 的文字提取出来" | 运行 pdf_text_extractor.py 提取文字层与表格，扫描页自动渲染为图片再由 AI 识别，合并输出 |
| "这个文件夹里的文档都要提取文字" | 运行 batch_extractor.py 批量处理目录内所有 PDF 与图片，生成合并报告或保存为文件 |
| "PDF 里的表格帮我整理成能编辑的格式" | 启用表格提取模式，将 find_tables() 识别的表格输出为 Markdown 格式 |
| "这是扫描件，能识别吗？" | 自动检测文字层稀少的页面，渲染为高清 PNG 交由 AI 视觉识别，无需额外 OCR 依赖 |