GLM-OCR Table Recognition Skill / GLM-OCR 表格识别技能

Extract tables from images and PDFs and convert them to Markdown format using the ZhiPu GLM-OCR layout parsing API.

When to Use / 使用场景

- Extract tables from images or scanned documents / 从图片或扫描件中提取表格
Convert table images to Markdown or Excel format / 将表格图片转为 Markdown 或可编辑格式
Recognize complex tables with merged cells / 识别含合并单元格的复杂表格
Parse financial statements, invoices, reports with tables / 解析财务报表、发票、带表格的报告
User mentions "extract table", "recognize table", "表格识别", "提取表格", "表格OCR", "表格转文字"

Key Features / 核心特性

- Complex table support: Handles merged cells, nested tables, multi-row headers
Markdown output: Tables are output in clean Markdown format, easy to edit and convert
Multi-page PDF: Supports batch extraction from multi-page PDF documents
Local file & URL: Supports both local files and remote URLs

Resource Links / 资源链接

Resource	Link
Get API Key	智谱开放平台 API Keys
API Docs

Layout Parsing / 版面解析 |

Prerequisites / 前置条件

API Key Setup / API Key 配置（Required / 必需）

脚本通过 ZHIPU_API_KEY 环境变量获取密钥，可与其他智谱技能复用同一个 key。
This script reads the key from the ZHIPU_API_KEY environment variable. Reusing the same key across Zhipu skills is optional.

Get Key / 获取 Key： Visit 智谱开放平台 API Keys to create or copy your key.

Setup options / 配置方式（任选一种）：

1. Global config (recommended) / 全局配置（推荐）： Set once in openclaw.json under env.vars, all Zhipu skills will share it:

CODEBLOCK0

2. Skill-level config / Skill 级别配置： Set for this skill only in openclaw.json:

CODEBLOCK1

3. Shell environment variable / Shell 环境变量： Add to ~/.zshrc:

CODEBLOCK2

💡 如果你已为其他智谱 skill（如 glmocr、glmv-caption、glm-image-generation）配置过 key，它们共享同一个 ZHIPU_API_KEY，无需重复配置。

Security & Transparency / 安全与透明度

- Environment variables used / 使用的环境变量：

- ZHIPU_API_KEY (required / 必需) - GLM_OCR_TIMEOUT (optional timeout seconds / 可选超时秒数)

- Fixed endpoint / 固定官方端点： INLINECODE12
No custom API URL override / 不支持自定义 API URL 覆盖： this avoids accidental key exfiltration via redirected endpoints.
Raw upstream response is optional / 原始响应默认不返回： use --include-raw only when needed for debugging.

⛔ MANDATORY RESTRICTIONS / 强制限制 ⛔

1. ONLY use GLM-OCR API — Execute the script INLINECODE14
NEVER parse tables yourself — Do NOT try to extract tables using built-in vision or any other method
NEVER offer alternatives — Do NOT suggest "I can try to recognize it" or similar
IF API fails — Display the error message and STOP immediately
NO fallback methods — Do NOT attempt table extraction any other way

📋 Output Display Rules / 输出展示规则

After running the script, present the OCR result clearly and safely.

- Show extracted table Markdown (text) in full
Summarization is allowed, but do not hide important extraction failures
If layout_details contains table-related entries, you may highlight them
If the result file is saved, tell the user the file path
Show raw upstream response only when explicitly requested or debugging (--include-raw)

How to Use / 使用方法

Extract from URL / 从 URL 提取

CODEBLOCK3

Extract from Local File / 从本地文件提取

CODEBLOCK4

Save Result to File / 保存结果到文件

CODEBLOCK5

Include Raw Upstream Response (Debug Only) / 包含原始上游响应（仅调试）

CODEBLOCK6

CLI Reference / CLI 参数

CODEBLOCK7

Parameter	Required	Description
INLINECODE18	One of	URL to image/PDF
INLINECODE19

Response Format / 响应格式

CODEBLOCK8

Key fields:

- ok — whether extraction succeeded
INLINECODE26 — extracted text in Markdown (use this for display)
INLINECODE27 — layout analysis details
INLINECODE28 — error details on failure

Error Handling / 错误处理

API key not configured:

CODEBLOCK9

→ Show exact error to user, guide them to configure

Authentication failed (401/403): API key invalid/expired → reconfigure

Rate limit (429): Quota exhausted → inform user to wait

File not found: Local file missing → check path

GLM-OCR Table Recognition Skill / GLM-OCR 表格识别技能

使用智谱GLM-OCR版面解析API从图片和PDF中提取表格并转换为Markdown格式。

When to Use / 使用场景

- 从图片或扫描件中提取表格
将表格图片转为Markdown或可编辑格式
识别含合并单元格的复杂表格
解析财务报表、发票、带表格的报告
用户提及提取表格、识别表格、表格识别、表格OCR、表格转文字

Key Features / 核心特性

- 支持复杂表格：处理合并单元格、嵌套表格、多行表头
Markdown输出：表格以整洁的Markdown格式输出，易于编辑和转换
多页PDF支持：支持从多页PDF文档批量提取
本地文件和URL：支持本地文件和远程URL

Resource Links / 资源链接

资源	链接
获取API密钥	智谱开放平台 API Keys
API文档

版面解析 |

Prerequisites / 前置条件

API Key Setup / API Key 配置（必需）

脚本通过 ZHIPUAPIKEY 环境变量获取密钥，可与其他智谱技能复用同一个key。

获取密钥： 访问智谱开放平台 API Keys创建或复制你的密钥。

配置方式（任选一种）：

1. 全局配置（推荐）： 在 openclaw.json 的 env.vars 中设置一次，所有智谱技能共享：

json
{
env: {
vars: {
ZHIPUAPIKEY: 你的密钥
}
}
}

2. Skill级别配置： 仅在 openclaw.json 中为此技能配置：

json
{
skills: {
entries: {
glmocr-table: {
env: {
ZHIPUAPIKEY: 你的密钥
}
}
}
}
}

3. Shell环境变量： 添加到 ~/.zshrc：

bash export ZHIPUAPIKEY=你的密钥

💡 如果你已为其他智谱skill（如 glmocr、glmv-caption、glm-image-generation）配置过密钥，它们共享同一个 ZHIPUAPIKEY，无需重复配置。

Security & Transparency / 安全与透明度

- 使用的环境变量：

- ZHIPUAPIKEY（必需） - GLMOCRTIMEOUT（可选超时秒数）

- 固定官方端点： https://open.bigmodel.cn/api/paas/v4/layout_parsing
不支持自定义API URL覆盖： 避免通过重定向端点泄露密钥。
原始上游响应默认不返回： 仅在调试需要时使用 --include-raw。

⛔ 强制限制 ⛔

1. 仅使用GLM-OCR API — 执行脚本 python scripts/glmocrcli.py
切勿自行解析表格 — 不要尝试使用内置视觉或其他方法提取表格
切勿提供替代方案 — 不要建议我可以尝试识别或类似说法
如果API失败 — 显示错误信息并立即停止
无备用方法 — 不要尝试以任何其他方式提取表格

📋 输出展示规则

运行脚本后，清晰安全地展示OCR结果。

- 完整显示提取的表格Markdown（text）
允许总结，但不要隐藏重要的提取失败信息
如果 layout_details 包含表格相关条目，可以高亮显示
如果结果文件已保存，告知用户文件路径
仅在明确请求或调试时显示原始上游响应（--include-raw）

How to Use / 使用方法

从URL提取

bash
python scripts/glmocrcli.py --file-url https://example.com/table.png

从本地文件提取

bash
python scripts/glmocrcli.py --file /path/to/table.png

保存结果到文件

bash
python scripts/glmocrcli.py --file table.png --output result.json --pretty

包含原始上游响应（仅调试）

bash
python scripts/glmocrcli.py --file table.png --output result.json --include-raw

CLI Reference / CLI 参数

python {baseDir}/scripts/glmocrcli.py (--file-url URL | --file PATH) [--output FILE] [--pretty] [--include-raw]

参数	必需	描述
--file-url	二选一	图片/PDF的URL
--file

Response Format / 响应格式

json
{
ok: true,
text: | Column 1 | Column 2 |\n|----------|----------|\n| Data | Data |,
layout_details: [...],
result: null,
error: null,
source: /path/to/file,
source_type: file,
rawresultincluded: false
}

关键字段：

- ok — 提取是否成功
text — 提取的Markdown文本（用于展示）
layout_details — 版面分析详情
error — 失败时的错误详情

Error Handling / 错误处理

API密钥未配置：

ZHIPUAPIKEY not configured. Get your API key at: https://bigmodel.cn/usercenter/proj-mgmt/apikeys

→ 向用户显示确切错误，引导他们配置

认证失败（401/403）： API密钥无效/已过期 → 重新配置

速率限制（429）： 配额已用完 → 告知用户等待

文件未找到： 本地文件缺失 → 检查路径

glmocr-table表格识别

glmocr-table

GLM-OCR Table Recognition Skill / GLM-OCR 表格识别技能

When to Use / 使用场景

Key Features / 核心特性

Resource Links / 资源链接

Prerequisites / 前置条件

API Key Setup / API Key 配置（Required / 必需）