glmocr-table

GLM-OCR 表認識スキル / GLM-OCR 表認識スキル

ZhiPu GLM-OCR のレイアウト解析 API を使用して、画像や PDF から表を抽出し、Markdown 形式に変換します。

使用する場面 / 使用する場面

• 画像やスキャン文書から表を抽出する
• 表の画像を Markdown または編集可能な形式に変換する
• 結合セルを含む複雑な表を認識する
• 財務諸表、請求書、表を含むレポートを解析する
• ユーザーが「表を抽出」「表を認識」「表認識」「表を抽出」「表OCR」「表をテキストに変換」と言及した場合

主な機能 / 主な機能

• 複雑な表に対応：結合セル、入れ子の表、複数行のヘッダーを処理します
• Markdown 出力：表は編集や変換が簡単な、整った Markdown 形式で出力されます
• 複数ページの PDF：複数ページの PDF 文書からの一括抽出に対応しています
• ローカルファイルと URL：ローカルファイルとリモート URL の両方に対応しています

リソースリンク / リソースリンク

リソース	リンク
API キーの取得	智谱开放平台 API Keys
API ドキュメント	レイアウト解析 / レイアウト解析

前提条件 / 前提条件

API キーの設定 / API キーの設定（必須 / 必須）

スクリプトは ZHIPU_API_KEY 環境変数からキーを取得します。同じキーを他の ZhiPu スキルと共有できます。 このスクリプトは ZHIPU_API_KEY 環境変数からキーを読み取ります。同じキーを ZhiPu の各スキルで再利用するかどうかは任意です。

キーの取得 / キーの取得： 智谱开放平台 API Keys にアクセスして、キーを作成するかコピーしてください。

設定方法 / 設定方法（いずれかを選択）：

1. グローバル設定（推奨） / グローバル設定（推奨）： openclaw.json の env.vars で一度設定すると、すべての ZhiPu スキルで共有されます：

   {
     "env": {
       "vars": {
         "ZHIPU_API_KEY": "你的密钥"
       }
     }
   }
   

2. スキル単位の設定 / スキル単位の設定： openclaw.json でこのスキル専用に設定します：

   {
     "skills": {
       "entries": {
         "glmocr-table": {
           "env": {
             "ZHIPU_API_KEY": "你的密钥"
           }
         }
       }
     }
   }
   

3. Shell 環境変数 / Shell 環境変数： ~/.zshrc に追加します：

   export ZHIPU_API_KEY="你的密钥"
   

💡 他の ZhiPu スキル（glmocr、glmv-caption、glm-image-generation など）ですでにキーを設定している場合、同じ ZHIPU_API_KEY を共有するため、再設定は不要です。

セキュリティと透明性 / セキュリティと透明性

• 使用する環境変数 / 使用する環境変数：
  • ZHIPU_API_KEY（必須 / 必須）
  • GLM_OCR_TIMEOUT（タイムアウト秒数、省略可 / タイムアウト秒数、省略可）
• 固定された公式エンドポイント / 固定された公式エンドポイント： https://open.bigmodel.cn/api/paas/v4/layout_parsing
• カスタム API URL による上書きには非対応 / カスタム API URL による上書きには非対応： リダイレクトされたエンドポイントを介したキーの意図しない流出を防ぎます。
• 上流の生レスポンスは任意 / 上流の生レスポンスはデフォルトで返されません： デバッグで必要な場合のみ --include-raw を使用してください。

⛔ 必須の制限事項 / 必須の制限事項 ⛔

1. GLM-OCR API のみを使用すること — スクリプト python scripts/glm_ocr_cli.py を実行します
2. 自分で表を解析しないこと — 組み込みの画像認識機能やその他の方法で表を抽出しようとしてはいけません
3. 代替案を提示しないこと — 「認識を試してみます」などと提案してはいけません
4. API が失敗した場合 — エラーメッセージを表示し、直ちに停止します
5. フォールバック方法を使用しないこと — 他の方法で表の抽出を試みてはいけません

📋 出力表示ルール / 出力表示ルール

スクリプトの実行後、OCR の結果を明確かつ安全に提示してください。

• 抽出された表の Markdown（text）をすべて表示します
• 要約してもかまいませんが、重要な抽出失敗を隠してはいけません
• layout_details に表に関連する項目が含まれている場合は、それらを強調してもかまいません
• 結果ファイルを保存した場合は、ファイルパスをユーザーに伝えます
• 上流の生レスポンスは、明示的に要求された場合、またはデバッグ時（--include-raw）にのみ表示します

使用方法 / 使用方法

URL から抽出 / URL から抽出

python scripts/glm_ocr_cli.py --file-url "https://example.com/table.png"

ローカルファイルから抽出 / ローカルファイルから抽出

python scripts/glm_ocr_cli.py --file /path/to/table.png

結果をファイルに保存 / 結果をファイルに保存

python scripts/glm_ocr_cli.py --file table.png --output result.json --pretty

上流の生レスポンスを含める（デバッグ専用） / 上流の生レスポンスを含める（デバッグ専用）

python scripts/glm_ocr_cli.py --file table.png --output result.json --include-raw

CLI リファレンス / CLI パラメーター

python {baseDir}/scripts/glm_ocr_cli.py (--file-url URL | --file PATH) [--output FILE] [--pretty] [--include-raw]

パラメーター	必須	説明
--file-url	いずれか	画像/PDF の URL
--file	いずれか	画像/PDF のローカルファイルパス
--output, -o	いいえ	結果の JSON をファイルに保存
--pretty	いいえ	JSON 出力を整形して表示
--include-raw	いいえ	result フィールドに上流 API の生レスポンスを含める（デバッグ専用）

レスポンス形式

{
  "ok": true,
  "text": "| Column 1 | Column 2 |\n|----------|----------|\n| Data     | Data     |",
  "layout_details": [...],
  "result": null,
  "error": null,
  "source": "/path/to/file",
  "source_type": "file",
  "raw_result_included": false
}

主なフィールド：

• ok — 抽出が成功したかどうか
• text — Markdown 形式で抽出されたテキスト（表示にはこれを使用）
• layout_details — レイアウト分析の詳細
• error — 失敗時のエラー詳細

エラー処理

API キーが設定されていない場合：

ZHIPU_API_KEY not configured. Get your API key at: https://bigmodel.cn/usercenter/proj-mgmt/apikeys

→ エラーをそのままユーザーに表示し、設定方法を案内します

認証失敗（401/403）： API キーが無効または期限切れです → 再設定してください

レート制限（429）： クォータを使い切りました → 待つようユーザーに案内してください

ファイルが見つからない場合： ローカルファイルが存在しません → パスを確認してください