mcpField
E
extract-slide-text

extract-slide-text

github.com/pamelafoxドキュメント128132 回インストール8 週間前に更新
リポジトリ

extract-slide-text について

extract-slide-textは、スクリプトでPDFの各ページからテキストを抽出し、スライドごとのMarkdownに整理します。スライド内容の確認や後続の分析に使えます。

主な機能

  1. 01PDFページのテキスト抽出
  2. 02スライドごとのMarkdown出力
  3. 03画像参照パスの指定
  4. 04抽出可能な文字がないページの表示
  5. 05Popplerユーティリティが必要

活用シーン

  1. 01確認用のスライドテキスト作成
  2. 02画像ベースのスライド分析へのテキスト補足

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/pamelafox/presentation-skills --skill extract-slide-text

インストール後、Claude Code で/extract-slide-textを入力して読み込まれたか確認します。

同梱ファイルextract_slide_text.py

詳細

PDF からスライドのテキストを抽出する

extract_slide_text.py スクリプトを実行して、各 PDF ページのテキストコンテンツを構造化された Markdown ファイルに抽出します。

uv run .agents/skills/extract-slide-text/extract_slide_text.py <pdf_path> <output_path> [images_dir]

引数

  • pdf_path（必須）：PDF ファイルへのパス。
  • output_path（必須）：出力する Markdown ファイルの保存先パス
  • images_dir（任意）：スライド画像ディレクトリへのパス。正しい相対画像参照の生成に使用します。デフォルトは slide_images/ です。

出力形式

スライドごとに 1 つのセクションを含む Markdown ファイルです。

## Slide 1

![Slide 1](slide_images/slide_1.png)

\```
Extracted text content from slide 1
\```

## Slide 2

![Slide 2](slide_images/slide_2.png)

\```
Extracted text content from slide 2
\```

抽出可能なテキストがないページ（例：全面画像のみのページ）には「(抽出可能なテキストなし)」と表示されます。

これが重要な理由

PDF のテキスト抽出は決定的であり、ビジョンモデルに依存せず、スライドの正解テキストを取得できます。これにより、埋め込みスクリーンショットやデモ画面を実際のスライドコンテンツと誤認することを防げます。これは、画像ベースのスライド分析のみを使用する場合によく発生する失敗です。

前提条件

Poppler ユーティリティをインストールしてください（pdftotext コマンドが提供されます）。

  • macOS：brew install poppler
  • Ubuntu：apt-get install poppler-utils

コメント

Markdown 対応