pdf-2

pdf-2

目的

このスキルでは、画像からのテキスト抽出のための OCR、フォームデータの抽出、テーブルの構造化形式への解析、電子署名の検証と追加、PDF の結合・分割、注釈の処理など、高度な PDF 処理が可能です。OpenClaw でドキュメントのワークフローを自動化するために設計されています。

使用するタイミング

表やフォームを含む請求書からのデータ抽出、署名付きの法的文書の検証、ファイルを結合したレポートの作成など、スキャン済みまたは複雑な PDF を扱うタスクでこのスキルを使用します。検索できない PDF を扱う場合（OCR の利用など）や、ドキュメントパイプラインで他のツールとの連携が必要な場合にも適用してください。

主な機能

• OCR：Tesseract エンジンを使用してテキストを抽出します。--lang フラグで言語を指定できます（例：英語の場合は --lang eng）。
• フォーム抽出：PDF フォームを JSON として解析します。--fields フラグを使用して、テキストボックスやチェックボックスなどのフィールドを抽出します。
• テーブル解析：テーブルを検出し、CSV に変換します。--layout auto または --layout grid でレイアウトを指定します。
• 電子署名：--verify フラグで署名を検証し、証明書のパスを指定して --sign で新しい署名を追加します。
• 結合・分割：--inputs フラグで複数の PDF を結合します。ページ範囲（例：--pages 1-5）を指定して分割します。
• 注釈：--extract-annotations または --add-annotation type=highlight text="Note" を使用して、注釈（ハイライトなど）を抽出または追加します。

使用パターン

単発のタスクには CLI、スクリプト化したワークフローには API から呼び出します。パイプを使ってコマンドを連結することもできます（例：OCR の出力をテキスト処理ツールに渡す）。一括処理には、スクリプト内でループを使用します。入力パスと出力パスは必ず明示してください。大きなファイルを扱う場合は、処理時間を延長するために --timeout 300 を設定します。デフォルト値は JSON 設定ファイルで設定できます（例：{"default_lang": "eng"}）。

主なコマンド／API

CLI コマンド：

• OCR：openclaw pdf-2 ocr --input path/to/file.pdf --lang eng --dpi 300 --output extracted.txt
• フォーム抽出：openclaw pdf-2 extract-form --file form.pdf --fields name,address --output data.json
• テーブル解析：openclaw pdf-2 parse-table --input table.pdf --page 2 --output tables.csv
• 署名検証：openclaw pdf-2 verify-signature --file signed.pdf --cert path/to/cert.pem
• PDF の結合：openclaw pdf-2 merge --inputs file1.pdf file2.pdf --output merged.pdf
• PDF の分割：openclaw pdf-2 split --input original.pdf --pages 1-3 --output split_folder/

API エンドポイント：

• OCR：JSON ボディ {"file": "base64encoded_string", "lang": "eng", "dpi": 300} を指定して POST /api/pdf-2/ocr
• フォーム抽出：ボディ {"file": "base64encoded", "fields": ["name", "address"]} を指定して POST /api/pdf-2/extract-form
• テーブル解析：ボディ {"file": "base64encoded", "page": 2} を指定して POST /api/pdf-2/parse-table

コードスニペット：

1. OCR の Python API 呼び出し：

   import requests; import os; import base64
   api_key = os.environ['OPENCLAW_API_KEY']
   response = requests.post('https://api.openclaw.ai/api/pdf-2/ocr', headers={'Authorization': f'Bearer {api_key}'}, json={'file': base64.b64encode(open('file.pdf', 'rb').read()).decode()})
   

2. シェルスクリプトでの CLI：

   export OPENCLAW_API_KEY=your_key
   openclaw pdf-2 ocr --input input.pdf --output output.txt
   

設定形式： API リクエストまたは CLI 設定には JSON を使用します（例：{"lang": "eng", "timeout": 60}）。.json ファイルとして保存し、--config path/to/config.json を指定して渡します。

連携に関する注意事項

API 呼び出しには、環境変数 OPENCLAW_API_KEY=your_api_key を設定して認証します。CLI では、OpenClaw CLI がインストールされ（例：npm install openclaw）、認証済みであることを確認してください。出力をパイプで渡す（例：OCR の結果を NLP ツールに送信する）ことで、他のサービスと連携できます。API ボディでファイルをアップロードする場合は、base64 にエンコードしてください。Webhook では、リクエストにコールバック URL を含めて /api/pdf-2/webhook エンドポイントを使用します。

エラー処理

API エラーでは HTTP ステータスコード（入力不正の場合は 400、認証されていない場合は 401 など）を確認し、JSON レスポンスを解析して {"error": "File not found"} のような詳細を確認します。CLI の場合、エラーは終了コード（失敗時は終了コード 1 など）とともに stderr に出力されます。よくある問題には適切に対処してください。API のタイムアウトには、たとえば Python で try: requests.post(...) except requests.exceptions.Timeout: print("Timeout occurred") のように try-except を使用します。コマンドを実行する前に、os.path.exists() でファイルの存在を確認するなど、入力を検証してください。一時的なエラーには、指数バックオフを使用して再試行します。

具体的な使用例

1. スキャンした請求書 PDF から表を抽出して解析する：

   • まず、OCR を実行します：openclaw pdf-2 ocr --input invoice_scanned.pdf --lang eng --output ocr_output.txt
   • 次に、表を解析します：openclaw pdf-2 parse-table --input invoice_scanned.pdf --page 1 --output invoice_tables.csv
   • これにより、データベースへのインポートなど、さらなる分析に使用できる CSV が生成されます。

2. レポートの PDF を結合して署名を検証する：

   • ファイルを結合します：openclaw pdf-2 merge --inputs report_part1.pdf report_part2.pdf --output final_report.pdf
   • 署名を検証します：openclaw pdf-2 verify-signature --file final_report.pdf --cert company_cert.pem
   • 有効な場合は処理を進め、そうでない場合はエラーログを記録して対処します。

グラフの関係

• 依存先：ocr-1（コア OCR 機能を提供）
• 統合先：document-1（一般的なドキュメントの保存と取得向け）
• 競合：なし
• 関連：pdf-1（基本的な PDF 処理機能を備えたもので、こちらは高度なバージョンです）
• クラスター：community（コラボレーションスキル向けの共有クラスター）