用途
PyMuPDF PDF 用于在本地解析 PDF 文件，基于 PyMuPDF（fitz）实现快速、轻量的内容提取。默认将 PDF 转换为 Markdown，也可选择输出 JSON，以及可选的图片和表格，所有结果按单个文档存放在独立目录中。当速度比鲁棒性更重要时，或作为其他解析方案的备用手段时，适合使用本技能。
主要能力
- 默认输出 Markdown 格式。
- 可选输出 JSON 格式，或在一次运行中同时输出 Markdown 与 JSON。
- 可选提取图片。
- 可选提取简单的基于行的表格 JSON（快速、粗略）。
- 支持通过参数指定输出根目录。
- 支持在 JSON 输出元数据中加入语言提示。
使用方式
前置条件与参考：如果遇到导入错误（未安装 PyMuPDF）或 Nix libstdc++ 问题，请阅读 references/pymupdf-notes.md。
快速开始（单个 PDF），在技能目录下运行：
./scripts/pymupdf_parse.py /path/to/file.pdf
--format md
--outroot ./pymupdf-output
可用选项：
- --format md|json|both（默认：md）
- --images 提取图片
- --tables 提取简单的基于行的表格 JSON（快速/粗略）
- --outroot DIR 更改输出根目录
- --lang 在 JSON 输出元数据中加入语言提示
输出约定：
- 默认创建 ./pymupdf-output/<pdf-basename>/ 目录。
- Markdown 输出：output.md
- JSON 输出：output.json（包含 lang）
- 图片：images/ 子目录
- 表格：tables.json（粗略的基于行）
适用场景
- 需要快速在本地完成 PDF 到 Markdown 或 JSON 的转换。
- 对解析速度要求较高、对复杂 PDF 的鲁棒性要求相对较低的场景。
- 作为其他解析方案的备用或补充手段。
限制
- PyMuPDF 速度快，但在复杂 PDF 上鲁棒性较低。
- 表格提取为简单的基于行的 JSON，属于快速、粗略的结果。
- 如需更鲁棒的解析，可使用重量级 OCR 解析器（例如 MinerU，若已安装）。