pdf-vision-reader

PDF Vision Reader

図表が多い PDF を画像化して、Claude の vision 機能で内容を解析・Markdown 化するスキルです。

クイックスタート

基本的な使い方

# 1. PDF を画像に変換
wsl python3 scripts/pdf_to_images.py "/mnt/c/path/to/file.pdf"

# 2. 各画像を Read ツールで読み込んで解析
# 3. Markdown 形式でまとめる

前提条件

必要なパッケージ：

# Python パッケージ
wsl pip3 install pdf2image Pillow

# システムパッケージ (poppler)
wsl sudo apt-get update
wsl sudo apt-get install -y poppler-utils

ワークフロー

ステップ1: PDF を画像に変換

wsl python3 scripts/pdf_to_images.py "/mnt/c/path/to/document.pdf"

これにより document_pages/ ディレクトリが作成され、各ページが画像として保存されます：

• page_001.png
• page_002.png
• page_003.png
• ...

ステップ2: 各画像を解析

Read ツールで各画像を順番に読み込み、内容を解析します。

解析時の指示例:

この画像の内容を詳しく説明してください：
- タイトルや見出し
- 本文テキスト
- 図表の説明
- グラフやチャートのデータ
- 重要なポイント

ステップ3: Markdown に統合

各ページの解析結果を統合して、一つの Markdown ファイルを作成します。

使用例

例1: プレゼンテーション資料を Markdown 化

User: "presentation.pdf を vision で解析して Markdown 化して"
Assistant:
1. scripts/pdf_to_images.py で PDF を画像に変換
2. 各画像を Read ツールで読み込み
3. 各ページの内容を解析（タイトル、図表、テキスト）
4. 全ページの解析結果を統合
5. Write ツールで Markdown ファイルに保存

例2: 特定のページのみ解析

User: "document.pdf の 5-10 ページだけ解析して"
Assistant:
1. PDF を画像に変換（全ページ）
2. page_005.png から page_010.png のみ Read で読み込み
3. 該当ページの内容を Markdown 化

解析の観点

自動的に抽出する情報

各ページの画像から以下を抽出：

1. テキスト情報

   • タイトル・見出し
   • 本文テキスト
   • 箇条書きリスト
   • 注釈・キャプション

2. 図表

   • 図の種類（フローチャート、組織図、etc.）
   • 図の説明・要約
   • 主要な要素と関係性

3. グラフ・チャート

   • グラフの種類（棒グラフ、円グラフ、etc.）
   • 軸ラベル
   • 主要なデータポイント
   • トレンドや傾向

4. テーブル

   • テーブルの構造
   • ヘッダー行
   • データの内容
   • Markdown テーブル形式に変換

5. レイアウト・構造

   • ページ全体のレイアウト
   • セクション分け
   • 強調されている情報

Markdown 出力フォーマット

# [PDFタイトル]

**解析日時:** YYYY-MM-DD
**総ページ数:** N

---

## Page 1: [ページタイトル]

### 概要
[ページの概要説明]

### 主要な内容
- [ポイント1]
- [ポイント2]

### 図表
**図1: [図のタイトル]**
[図の説明]

### テキスト内容
[ページ内のテキスト]

---

## Page 2: [ページタイトル]
...

スクリプト詳細

pdf_to_images.py

機能:

• PDF の各ページを PNG 画像に変換
• 解像度指定可能（デフォルト: 200 DPI）
• 出力ディレクトリの自動作成

使い方:

python scripts/pdf_to_images.py <pdf_path> [output_dir] [dpi]

# 例
python scripts/pdf_to_images.py document.pdf ./images 300

出力:

• [pdf_name]_pages/page_001.png
• [pdf_name]_pages/page_002.png
• ...

対応可能なコンテンツ

• ✅ テキスト（日本語・英語）
• ✅ 図表・ダイアグラム
• ✅ グラフ・チャート
• ✅ テーブル
• ✅ スクリーンショット
• ✅ インフォグラフィック
• ✅ 複雑なレイアウト
• ⚠️ 手書きメモ（精度は状況による）
• ⚠️ 低解像度画像（精度低下の可能性）

テキスト抽出との違い

pdf-reader (テキスト抽出)

• ✅ テキストのみの PDF で高速
• ✅ 純粋なテキスト抽出
• ❌ 図表は抽出不可
• ❌ レイアウトは簡略化

pdf-vision-reader (画像解析)

• ✅ 図表・グラフを理解
• ✅ 複雑なレイアウトを保持
• ✅ ビジュアル要素の説明
• ⚠️ 処理時間が長い
• ⚠️ API コスト（画像解析）

推奨される使い分け

PDF の種類	推奨スキル
テキスト中心の文書	pdf-reader
プレゼンテーション資料	pdf-vision-reader
図表・グラフが多い資料	pdf-vision-reader
技術図面・設計書	pdf-vision-reader
論文（図表含む）	pdf-vision-reader
単純なテキストPDF	pdf-reader

トラブルシューティング

pdf2image が見つからない

wsl pip3 install pdf2image

poppler-utils が見つからない

wsl sudo apt-get update
wsl sudo apt-get install -y poppler-utils

画像変換が失敗する

• PDF が破損していないか確認
• ディスク容量を確認
• メモリ不足の可能性（大きな PDF は分割処理）

解析精度が低い

• DPI を上げる（300 推奨）

  python scripts/pdf_to_images.py document.pdf ./images 300
  

• 元の PDF の画質を確認

パフォーマンス

処理時間の目安

ページ数	画像変換	解析（Claude vision）	合計
10ページ	5秒	30-60秒	~1分
30ページ	15秒	90-180秒	~3分
100ページ	50秒	300-600秒	~10分

最適化のヒント

1. 必要なページのみ処理

   • 全ページ変換後、重要なページのみ解析

2. DPI の調整

   • 図表が多い: 300 DPI
   • テキスト中心: 150-200 DPI

3. バッチ処理

   • 複数 PDF を並行処理しない（順次処理）

パス変換

Windows パスから WSL パスへの変換：

• C:\Users\... → /mnt/c/Users/...
• D:\Projects\... → /mnt/d/Projects/...

関連ツール

• pdf-reader: テキスト中心の PDF 用
• docx-reader: Word 文書用
• OCR ツール: pytesseract（テキスト特化）

バージョン履歴

• v1.0.0 (2026-01-06): 初期リリース
  • PDF → 画像変換機能
  • Vision ベースの解析ワークフロー
  • 図表・グラフの理解対応
  • Markdown 出力フォーマット