mcpField
E
extract-slide-text

extract-slide-text

github.com/pamelafox文档处理128132 次安装8 周前更新
代码仓库

关于 extract-slide-text

extract-slide-text 通过脚本提取 PDF 各页文字，并按幻灯片整理为 Markdown，适合需要审阅或进一步分析幻灯片内容的用户。

主要功能

  1. 01提取 PDF 页面文字
  2. 02按幻灯片生成 Markdown
  3. 03可设置图片引用路径
  4. 04标记无可提取文字的页面
  5. 05需要 Poppler 工具

适用场景

  1. 01整理幻灯片文字以供审阅
  2. 02为基于图片的幻灯片分析补充文字依据

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/extract-slide-text确认已加载。

附带文件extract_slide_text.py

详细介绍

从 PDF 提取幻灯片文本

运行 extract_slide_text.py 脚本，将每个 PDF 页面的文本内容提取到结构化的 Markdown 文件中：

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

参数

  • pdf_path（必需）：PDF 文件的路径。
  • output_path（必需）：写入输出 Markdown 文件的路径
  • images_dir（可选）：幻灯片图片目录的路径。用于生成正确的相对图片引用。默认值为 slide_images/。

输出格式

一个 Markdown 文件，每张幻灯片对应一个章节：

## 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
\```

对于没有可提取文本的页面（例如，全幅图片），会显示 (no extractable text)。

这为何重要

PDF 文本提取具有确定性——它能生成幻灯片内容的真实记录，无需依赖视觉模型。这样可以避免将嵌入的屏幕截图或演示录屏误认为实际幻灯片内容，这是仅使用基于图像的幻灯片分析时常见的失败模式。

前置条件

必须安装 Poppler 实用工具（提供 pdftotext 命令）：

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

评论

支持 Markdown