mcpField
P
pdf-extractor

pdf-extractor

github.com/guia-matthieu文档处理150249 次安装4 周前更新
代码仓库

关于 pdf-extractor

pdf-extractor 是一项通过 pdfplumber 处理 PDF 文件的技能，适用于需要从报告、论文或演示文稿中提取可用数据的用户。它支持提取文本、表格和图片，也可合并 PDF 并查看文件信息。

主要功能

  1. 01提取 PDF 文本
  2. 02提取表格并导出 CSV
  3. 03提取 PDF 图片
  4. 04合并 PDF 文件
  5. 05查看 PDF 文件信息

适用场景

  1. 01将报告表格转为 CSV
  2. 02批量转换 PDF 为文本
  3. 03提取指定页面内容
  4. 04收集演示文稿中的图片

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/guia-matthieu/clawfu-skills --skill pdf-extractor

安装后在 Claude Code 中输入/pdf-extractor确认已加载。

附带文件scripts/main.pyscripts/requirements.txt

详细介绍

PDF 提取器

使用 pdfplumber 从 PDF 文件中提取文本、表格和图片——将静态 PDF 转换为可用数据。

何时使用此技能

  • 报告处理 - 从 PDF 报告中提取数据
  • 表格提取 - 将 PDF 表格转换为 CSV
  • 图片收集 - 从演示文稿中提取图片
  • 文本挖掘 - 批量将 PDF 转换为可搜索文本
  • 研究 - 处理学术论文和白皮书

Claude 负责什么，你来决定什么

Claude 负责你来决定
构建分析框架指标定义
识别数据中的模式业务解读
创建可视化模板仪表板设计
建议优化方向行动优先级
计算统计指标决策阈值

依赖项

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

命令

提取文本
python scripts/main.py text document.pdf
python scripts/main.py text document.pdf --pages 1-5
提取表格
python scripts/main.py tables report.pdf --output tables.csv
python scripts/main.py tables financial.pdf --page 3
提取图片
python scripts/main.py images presentation.pdf --output ./images/
合并 PDF
python scripts/main.py merge doc1.pdf doc2.pdf --output combined.pdf
PDF 信息
python scripts/main.py info document.pdf

示例

示例 1：提取财务表格
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
示例 2：批量转换为文本
python scripts/main.py batch ./pdfs/ --output ./text/

# Converts all PDFs in folder to .txt files
示例 3：提取指定页面
python scripts/main.py text whitepaper.pdf --pages 1,5-10,15

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

技能边界

此技能擅长的内容
  • 构建数据分析结构
  • 识别模式和趋势
  • 创建可视化框架
  • 计算统计指标
此技能无法完成的内容
  • 访问你的实际数据
  • 替代统计专业知识
  • 做出业务决策
  • 保证预测准确性

相关技能

技能元数据

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

评论

支持 Markdown