pdf-extractor

PDF 抽出ツール

pdfplumber を使用して PDF ファイルからテキスト、表、画像を抽出し、静的な PDF を活用可能なデータに変換します。

このスキルを使用する場面

• レポート処理 - PDF レポートからデータを抽出します
• 表の抽出 - PDF の表を CSV に変換します
• 画像の収集 - プレゼンテーションから画像を取り出します
• テキストマイニング - 複数の PDF を検索可能なテキストに一括変換します
• 調査 - 学術論文やホワイトペーパーを処理します

Claude が行うことと、あなたが決めること

Claude が行うこと	あなたが決めること
分析フレームワークを構成します	指標の定義
データ内のパターンを特定します	ビジネス上の解釈
可視化テンプレートを作成します	ダッシュボードの設計
最適化領域を提案します	アクションの優先順位
統計指標を計算します	意思決定のしきい値

依存関係

pip install pdfplumber pypdf click pandas
# For image extraction:
pip install Pillow

コマンド

テキストを抽出

python scripts/main.py text document.pdf
python scripts/main.py text document.pdf --pages 1-5

表を抽出

python scripts/main.py tables report.pdf --output tables.csv
python scripts/main.py tables financial.pdf --page 3

画像を抽出

python scripts/main.py images presentation.pdf --output ./images/

PDF を結合

python scripts/main.py merge doc1.pdf doc2.pdf --output combined.pdf

PDF 情報

python scripts/main.py info document.pdf

例

例 1：財務表を抽出

python scripts/main.py tables annual-report.pdf --output financials.csv

# Output: financials.csv with all tables found
# Also creates individual CSVs: table_page3_1.csv, table_page5_1.csv

例 2：テキストに一括変換

python scripts/main.py batch ./pdfs/ --output ./text/

# Converts all PDFs in folder to .txt files

例 3：特定のページを抽出

python scripts/main.py text whitepaper.pdf --pages 1,5-10,15

# Extracts only pages 1, 5-10, and 15

スキルの範囲

このスキルが得意なこと

• データ分析の構成
• パターンや傾向の特定
• 可視化フレームワークの作成
• 統計指標の計算

このスキルでできないこと

• 実際のデータへのアクセス
• 統計の専門知識の代替
• ビジネス上の意思決定
• 予測精度の保証

関連スキル

• web-scraper - Web コンテンツをスクレイピングします
• content-repurposer - 抽出したコンテンツを再利用します

スキルのメタデータ

• モード: centaur

category: automation
subcategory: document-processing
dependencies: [pdfplumber, pypdf, pandas]
difficulty: beginner
time_saved: 4+ hours/week