mcpField
O
ocr-document-processor

ocr-document-processor

github.com/dkyazzentwatwaドキュメント1244.8k 回インストール29 週間前に更新
リポジトリ

ocr-document-processor について

ocr-document-processor は、画像やスキャン文書から文字を認識し、構造化するスキルです。一般的な OCR に加え、レシートや名刺の解析にも対応し、品質の低い入力を扱う際の指針も示します。

主な機能

  1. 01画像とスキャン PDF の OCR
  2. 02検索可能な PDF の出力
  3. 03テキスト、Markdown、JSON、HTML への抽出
  4. 04表の抽出
  5. 05レシートと名刺の解析

活用シーン

  1. 01スキャン PDF を検索可能にする
  2. 02スキャンページから表を抽出する
  3. 03レシートや名刺を解析する

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/dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor

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

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

.DS_Store
agents/
openai.yaml
scripts/
business_card_scanner.py
ocr_processor.py
receipt_scanner.py
requirements.txt

詳細

OCR ドキュメントプロセッサー

画像やスキャンページからテキストを復元する必要がある、OCR が中心となる入力を処理します。

こんな用途に使います

  • 画像やスキャン済み PDF の OCR
  • 検索可能な PDF へのエクスポート
  • テキスト、Markdown、JSON、HTML への構造化抽出
  • スキャン資料からの表の抽出
  • レシートや名刺の解析

ワークフロー

  1. プレーンな OCR、構造化抽出、ドキュメント固有の解析のどれが必要かを判断します。
  2. 傾き、ぼやけ、影がある場合は、抽出前にノイズの多い入力を前処理します。
  3. 中核となる OCR タスクには scripts/ocr_processor.py を使います。
  4. 入力が特殊な場合は、用途に特化したヘルパーを使います。
    • scripts/business_card_scanner.py
    • scripts/receipt_scanner.py
  5. 元データの品質が低い場合、回転している場合、手書きの場合、または多言語の場合は、信頼度に関する注意事項を伝えます。

ガードレール

  • 精度が重要な場合は、言語を明示的に指定します。
  • OCR の信頼度が低い場合、フィールドの値が正確だと断言しないでください。
  • スキャンされていないデジタル PDF は、デフォルトで OCR ではなく document-converter-suite に回します。

コメント

Markdown 対応