用途：从科学论文、报告和文档中提取数值、表格、图表数据点及化学/材料信息，将非结构化内容转为 JSON、CSV 或 DataFrame。
主要能力：按输入格式路由工具。纯文本用 spaCy/Stanza 与正则；HTML 用 BeautifulSoup+lxml；PDF 按需选用 PyMuPDF4LLM、GROBID、Docling、Camelot、Tabula、pdfplumber、Marker-PDF；图片按内容类型走 OCR、WebPlotDigitizer、Table Transformer 或 OSRA/DECIMER。自动检测化学/材料领域后启用 ChemDataExtractor v2、OpenChemIE 等专用工具。
使用方式：先识别格式与领域，再按四级层次选择方法——快速提取、标准提取、深度提取、LLM 增强提取；对高置信度需求运行多方法校验，包括二次提取、LLM 验证、置信度评分和数据库交叉比对（Materials Project、AFLOW、PubChem、NIST）。输出含来源位置与置信度的结构化 JSON。
适用场景：文献数据数字化、图表取点、表格解析、化学反应与物性提取、批量文档处理。
限制：扫描件依赖 OCR 质量；复杂表格可能需人工修正；图表数字化为近似值；领域工具不通用；LLM 可能产生幻觉，需校验；受 DRM 保护的 PDF 可能无法提取。依赖包与安装命令详见原始资料。