用途:该技能用于提取和转换 PDF 文档,可从 PDF 中抽取文本与元数据,并将 PDF 转换为其他格式,以及解析 PDF 表单、表格中的结构化数据。
主要能力:extract.py 从 PDF 文件提取文本和元数据,输入包含 file_path 与 pages(可设为 all 或页码数组如 [1,2,3]),输出 text 字段和 metadata(如 title、author、pages)。convert.sh 将 PDF 转换为不同格式,输入包含 input_file 与 output_format(txt、md、html)。parse.py 解析 PDF 表单和表格中的结构化数据,输入包含 file_path、extract_tables、extract_forms。
使用方式:页面示例通过 skillkit 的 SkillManager 调用,例如 manager.execute_skill_script(skill_name="pdf-extractor", script_name="extract", arguments={"file_path": "document.pdf", "pages": "all"}),随后可检查 result.success 并打印 result.stdout。页面未提供安装命令与依赖说明。
适用场景:需要从 PDF 批量或按页提取文本、获取文档元数据、转换 PDF 为 txt/md/html,或从表单与表格中抽取结构化数据的处理流程。
限制:资料未说明支持的 PDF 类型、扫描件或图像 PDF 的 OCR 能力、性能上限、依赖库、错误处理细节与收费信息;convert.sh 之外的转换格式未列出,其余用法与限制暂未提供。