用途:从 PDF(或 PDF 派生的文本/Markdown)中抽取实验材料与仪器信息,生成结构化清单,适合把论文的 Materials and Methods 章节或 Key Resources Table 转为干净 CSV。
主要能力:优先解析结构化表格(如 Key Resources Table、材料与方法表),再扫描正文补齐;输出三张固定表:main_reagents.csv(name,brand,catalog_number)、main_instruments.csv(instrument,brand,model)、reagent_preparation.csv(reagent,preparation_method)。试剂表可含试剂、抗体、耗材与软件版本;软件映射为 name=软件名、brand=供应方/组织、catalog_number=版本。仪器表仅记录明确写出的品牌与型号。试剂配制表记录浓度、溶剂、比例、步骤、孵育/温度/时间、pH 等明文信息。按名称去重并保留最完整行,保留原始大小写与标点,抽查至少三项与源文件核对。
使用方式:先运行 python scripts/validate_skill.py --help 验证执行路径;转换 PDF:python d:\SKILL\project\pdf-extract\scripts\extract_pdf.py -i input.pdf -o out.md;随后抽取字段并写出上述三个 CSV。依赖 Python 3.10+、pdfplumber >= 0.10.0;扫描版 PDF 需 OCR,如 pytesseract >= 0.3.10 与 Tesseract OCR >= 5.0。
适用场景与限制:仅用于有明确来源数据的材料/仪器/配制信息整理;缺少必需文件、标识或凭据时不应使用;禁止编造品牌、型号、货号、版本或结论,未知字段留空。输出结果文件示例为 pdf_extract_experimental_materials_result.md,并附验证摘要(PASS/FAIL、假设与限制)。具体脚本细节、参数含义与更多示例资料暂未提供。