mcpField
G
glmocr

glmocr

github.com/zai-org文档处理47577 次安装28 周前更新
代码仓库

关于 glmocr

glmocr 是一款技能，通过 GLM-OCR 版面解析 API 从图片和 PDF 中提取文字。它还能将表格转换为 Markdown、将公式提取为 LaTeX，并支持本地文件或 URL。

主要功能

  1. 01识别表格并输出 Markdown
  2. 02以 LaTeX 提取公式
  3. 03支持手写文字识别
  4. 04支持本地文件和 URL
  5. 05提供结构化文本和版面详情

适用场景

  1. 01提取截图或扫描件中的文字
  2. 02将文档表格转换为 Markdown
  3. 03读取图片文档中的公式

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/zai-org/glm-skills --skill glmocr

安装后在 Claude Code 中输入/glmocr确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
output_schema.md
scripts/
config_setup.py
glm_ocr_cli.py
requirements.txt

详细介绍

GLM-OCR 文本提取技能

使用 GLM-OCR 布局解析 API 从图像和 PDF 中提取文本。

使用场景

  • 从图像（PNG、JPG、PDF）中提取文本
  • 将屏幕截图转换为文本
  • 处理扫描文档
  • 对包含文本的照片进行 OCR（包括手写文本）
  • 识别文档中的表格和公式
  • 用户提到“OCR”“文字识别”或“文档解析”

主要功能

  • 表格识别：检测表格并将其转换为 Markdown 格式
  • 公式提取：输出 LaTeX 格式
  • 手写内容支持：对手写文本的识别效果出色
  • 本地文件和 URL：支持本地文件和远程 URL

资源链接

资源链接
获取 API 密钥https://www.bigmodel.cn/usercenter/proj-mgmt/apikeys
GitHubhttps://github.com/zai-org/GLM-OCR

前置条件

  • 已配置 ZHIPU_API_KEY（见下方设置）

安全说明

  • 脚本不会在运行时安装软件包。
  • OCR 请求使用固定的官方 GLM 端点，不接受自定义 API URL。
  • 只会读取环境变量 ZHIPU_API_KEY（以及可选的超时时间）。

⛔ 强制限制——不得违反 ⛔

  1. 只能使用 GLM-OCR API——执行脚本 python scripts/glm_ocr_cli.py
  2. 绝不直接解析文档——不得尝试自行提取文本
  3. 绝不提供替代方案——不得提出“我可以试着分析一下”等类似建议
  4. 如果 API 调用失败——显示错误信息并立即停止
  5. 不得使用后备方法——不得尝试以其他方式提取文本

设置

  1. 获取 API 密钥：https://www.bigmodel.cn/usercenter/proj-mgmt/apikeys
  2. 配置： 
    python scripts/config_setup.py setup --api-key YOUR_KEY

使用方法

从 URL 提取
python scripts/glm_ocr_cli.py --file-url "URL provided by user"
从本地文件提取
python scripts/glm_ocr_cli.py --file /path/to/image.jpg
将结果保存到文件（推荐）
python scripts/glm_ocr_cli.py --file-url "URL" --output result.json

CLI 参考

python {baseDir}/scripts/glm_ocr_cli.py (--file-url URL | --file PATH) [--output FILE] [--pretty]
参数必需说明
--file-url二选一图像/PDF 的 URL
--file二选一图像/PDF 的本地文件路径
--output、-o否将结果 JSON 保存到文件
--pretty否美化 JSON 输出

响应格式

{
  "ok": true,
  "text": "# Extracted text in Markdown...",
  "layout_details": [[...]],
  "result": { "raw_api_response": "..." },
  "error": null,
  "source": "/path/to/file.jpg",
  "source_type": "file"
}

主要字段：

  • ok — 表示提取是否成功
  • text — 以 Markdown 格式提取的文本（用于显示）
  • layout_details — 布局分析详情
  • result — API 原始响应
  • error — 失败时的错误详情

错误处理

未配置 API 密钥：

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

→ 向用户显示完整错误信息，并指导其完成配置

身份验证失败（401/403）： API 密钥无效或已过期 → 重新配置

速率限制（429）： 配额已用尽 → 告知用户等待

未找到文件： 本地文件不存在 → 检查路径

参考资料

  • references/output_schema.md — 详细的输出格式规范

评论

支持 Markdown