SuperAPI AI 工具集

pdf-extract

办公与效率

查看项目

更新于 10-16 05:50

技能介绍

用途:从具有文本层的 PDF(由 Word、Typst、WeasyPrint、wkhtmltopdf、LaTeX 等数字方式生成)中快速提取纯文本,不涉及 AI,也无需 API Key。

前置条件:需先安装 uv(见 https://docs.astral.sh/uv/getting-started/installation/)。无需创建 venv 或预先安装依赖,uv run --with 会自动处理缓存,首次运行后后续调用即时完成。

主要能力与用法:通过命令行调用 Python 与 pymupdf(模块名为 fitz)。单文件提取:uv run --with pymupdf python3 -c "...",其中用 fitz.open('/path/to/file.pdf') 打开、遍历 doc、调用 page.get_text().strip() 输出。可将结果写入 /path/to/output.txt 并打印页数;可指定页范围(页为 0 起始索引,range(2,5) 对应第 3-5 页);可用 glob 与 os 批量处理文件夹内多个 PDF,逐个另存为同名 .txt;也可读取元数据(title、author、页数、creator)。

注意事项与限制:pymupdf 以 fitz 名称导入;get_text() 返回纯文本,get_text("blocks") 返回带位置的块,get_text("html") 保留格式的 HTML。适配数字生成的 PDF、需快速获取原始文本、批量无 AI 成本、离线无额外依赖、内容简单无表格的场景;不适合扫描或基于图像的 PDF(需 OCR),也不适合需要表格、标题、表单等结构化输出或需要表单填写、校验等复杂流程的场景,此时应改用 pdf-processing-pro。其余如收费、价格等信息暂未提供。