SuperAPI AI 工具集

read-pdf

办公与效率

查看项目

更新于 10-15 17:32

技能介绍

用途:当内置 Read 工具无法处理 PDF 时,用 read-pdf 从 PDF 中提取文本、表格或结构化数据。它借助 uvx 直接运行 pdfplumber,无需预先安装包。

主要能力:支持多种输出格式。--format text 输出纯文本,适合一般阅读、从报告提取数据或查找数值;--format json 输出带元素属性(位置、字体、大小)的 JSON,适合处理排版混乱的表格;--format csv 输出元素 CSV;--structure-text 输出带文本的结构树,适用于带标签的 PDF。可用 --pages 指定页码(从 1 开始,不指定则处理全部),用 --types char line rect 过滤元素类型(用于 JSON/CSV)。

使用方式:先确认 uvx 可用,运行 uvx --version;若未安装,先安装 uv:curl -LsSf https://astral.sh/uv/install.sh | sh。常用命令:uvx pdfplumber file.pdf --format text;指定页:uvx pdfplumber file.pdf --format text --pages 1 3 5;结构化数据:uvx pdfplumber file.pdf --format json --pages 1;结构树:uvx pdfplumber file.pdf --structure-text --pages 1。

限制与常见错误:文件名必须放在标志之前,例如 uvx pdfplumber file.pdf --format text,而不是把文件放在标志之后。页码从 1 开始,第 0 页返回空。扫描版(图片型)PDF 不含文本,会返回空,此时需改用 OCR。--structure-text 返回语义树(Div、H2、P)但不含内联文本,实际中较少使用。