用途:在本地使用 PyMuPDF(fitz)快速、轻量地解析 PDF,默认输出 Markdown,可选 JSON 及图片、表格,结果按文档分目录存放。适合速度优先于鲁棒性的场景,或作为其他解析器的备用方案。
主要能力:支持 --format md|json|both(默认 md);--images 提取图片;--tables 提取基于行的简易表格 JSON(粗略);--outroot DIR 指定输出根目录;--lang 在 JSON 元数据中加入语言提示。
使用方式:在技能目录下运行 ./scripts/pymupdf_parse.py /path/to/file.pdf --format md --outroot ./pymupdf-output。默认创建 ./pymupdf-output/<pdf-basename>/,Markdown 为 output.md,JSON 为 output.json(含 lang),图片在 images/ 子目录,表格为 tables.json。
限制:PyMuPDF 速度快但对复杂 PDF 鲁棒性较弱;如需更稳健解析,可使用重型 OCR 解析器(如已安装 MinerU)。若出现导入错误(未安装 PyMuPDF)或 Nix libstdc++ 问题,可查阅 references/pymupdf-notes.md。