PDF/图片文字提取神器
功能
PDF/图片文字提取 Skill。本地提取：① PDF 文字（含扫描件 OCR）② 图片文字 ③ 表格结构化。基于 PyPDF2/PaddleOCR，支持批量处理，输出文本/Markdown/CSV。无需付费 API。
使用流程
- 用户提供输入（要提取PDF文字、扫描件识别、图片转文字、表格提取）
- 按下方核心步骤处理
- 输出结构化结果（报告/代码/文件）
依赖安装（开箱即用）
pip install PyPDF2
pip install paddleocr paddlepaddle # 仅扫描件 OCR 需要
PyPDF2（必需）+ PaddleOCR（可选 OCR）
> 未安装依赖时脚本会提示缺什么，安装后即可使用。数据/处理全部本地完成。
直接提问模板（复制即可用）
> 帮我提取这个 PDF/图片的文字：<文件路径>。
异常处理（遇到问题时）
| 情况 | 正确处理 |
|---|---|
| 扫描件无文字层 | 提示'需 OCR，请安装 paddleocr' |
| 图片模糊 | 提示'识别率可能低，建议清晰原图' |
不适用场景（诚实说明）
- 仅处理用户本地文件
- 涉及版权内容仅限个人合法使用
- 不上传任何文件（本地处理）
FAQ（常见问题）
Q：要装什么？
PyPDF2 必需；扫描件 OCR 需 PaddleOCR。
Q：能批量吗？
能，batch 命令批量处理目录。
Q：表格能提取吗？
基础表格可提取为文本/CSV，复杂表格建议人工核对。
核心原则
本地运行；扫描件需装 PaddleOCR；表格输出 CSV
输入要求
- 明确告知用户需要提供的信息
- 信息不足时先提问补齐，不臆造
输出说明
- 结构化输出（表格/Markdown/代码/文件）
- 附使用说明与注意事项
合规声明
- 本 Skill 输出为辅助工具结果，不构成专业意见/投资建议/法律意见
- 涉及用户数据时本地处理、不上传
- 请遵守各平台服务条款与相关法规
