Paper Reader Skill

专为学术论文阅读设计的多功能PDF提取工具。

功能特性

• - 📄 文本提取: 完整提取论文文本，保留章节结构
• 🖼️ 图片提取: 自动提取论文中的图表、实验结果图
• 📊 表格提取: 提取实验数据表格为结构化格式
• 📋 元数据读取: 标题、作者、摘要、关键词
• 🔍 章节识别: 自动识别Introduction、Methods、Results等章节
• 📑 批量处理: 支持整个论文文件夹批量处理

依赖安装

bash
pip install pdfplumber pymupdf Pillow

使用方法

命令行工具

bash

完整提取论文（文本+图片+表格）

python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --full

仅提取文本

python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --text

提取图片到指定文件夹

python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --images --img-dir ./figures

提取表格为CSV

python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --tables --csv-dir ./tables

提取前3页（通常包含摘要和引言）

python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --pages 1-3

Python API

python
from paper_reader import PaperReader

reader = PaperReader(paper.pdf)

获取元数据

metadata = reader.get_metadata()

提取全文

text = reader.extract_text()

提取特定章节

abstract = reader.extract_section(Abstract) methods = reader.extract_section(Methods)

提取图片

figures = reader.extractimages(outputdir=./figures)

提取表格

tables = reader.extract_tables()

输出结构

paper_output/
├── paper.txt # 完整文本
├── metadata.json # 论文元数据
├── abstract.txt # 摘要
├── sections/ # 分章节文本
│ ├── 01_Introduction.txt
│ ├── 02RelatedWork.txt
│ ├── 03_Methods.txt
│ ├── 04_Experiments.txt
│ └── 05_Conclusion.txt
├── figures/ # 提取的图片
│ ├── fig_1.png
│ ├── fig2table.png
│ └── fig3chart.png
└── tables/ # 提取的表格
├── table_1.csv
└── table_2.csv

学术论文专用功能

1. 实验数据提取

自动识别并提取：

• - 实验结果表格
• 性能对比图表
• 消融实验数据

2. 方法章节结构化

识别Methods章节中的：

• - 网络架构描述
• 损失函数公式
• 训练参数设置

3. 参考文献提取

提取参考文献列表，支持BibTeX格式导出。