mcpField
O
ocr-document-processor

ocr-document-processor

github.com/dkyazzentwatwa文档处理1244.8k 次安装29 周前更新
代码仓库

关于 ocr-document-processor

ocr-document-processor 是用于从图片和扫描文档中识别并整理文本的技能，涵盖通用 OCR、收据和名片解析，并提示如何处理低质量来源。

主要功能

  1. 01识别图片和扫描 PDF
  2. 02导出可搜索 PDF
  3. 03提取为文本、Markdown、JSON 或 HTML
  4. 04提取表格
  5. 05解析收据和名片

适用场景

  1. 01让扫描 PDF 可搜索
  2. 02提取扫描页面中的表格
  3. 03解析收据或名片

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor

安装后在 Claude Code 中输入/ocr-document-processor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。

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

详细介绍

OCR 文档处理器

处理需要从图像或扫描页面中识别文本的 OCR 密集型输入。

适用场景

  • 对图像和扫描版 PDF 进行 OCR
  • 导出可搜索的 PDF
  • 将内容结构化提取为文本、Markdown、JSON 或 HTML
  • 从扫描材料中提取表格
  • 解析收据和名片

工作流

  1. 判断需要纯 OCR、结构化提取，还是针对特定文档的解析。
  2. 如果输入存在倾斜、模糊或阴影，先进行预处理，再提取内容。
  3. 使用 scripts/ocr_processor.py 执行核心 OCR 任务。
  4. 如果输入有专门用途，则使用相应的辅助工具：
    • scripts/business_card_scanner.py
    • scripts/receipt_scanner.py
  5. 如果来源质量较差、页面旋转、内容为手写或涉及多种语言，请说明识别结果的置信度限制。

注意事项

  • 对准确性要求较高时，优先明确指定语言。
  • OCR 置信度较低时，不要声称字段内容完全准确。
  • 默认情况下，应将非扫描版数字 PDF 转交给 document-converter-suite，而不是使用 OCR。

评论

支持 Markdown