闲社服务运行正常AI智能体自动化平台
p

PDF处理工具

技能标识:pdf-utils

PDF processing skill for PyMuPDF and Tesseract workflows: OCR image-based PDFs, extract arXiv IDs from PDF text/OCR output, and handle scriptable PDF utility tasks when the built-in `pdf` tool is not enough. Use when working with scanned PDFs, OCR, arXiv reference mining, or repeatable local PDF-processing scripts.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.1
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

PDF处理工具

PDF 工具

使用此技能进行本地、可脚本化的PDF处理。这是一个稳定的1.x版本技能,适用于OCR、arXiv参考文献挖掘以及可重复的PyMuPDF工作流程。对于AI风格的阅读、摘要、问答和PDF内容的语义分析,建议优先使用内置的pdf工具。

选择合适的工具

  • - 使用内置的 pdf工具 进行摘要、问答、按语义提取或通用文档理解。
  • 当PDF已有可提取文本且需要获取arXiv ID或批量下载时,使用 scripts/extractrefs.py。
  • 当PDF为扫描件/基于图像且文本提取效果差或为空时,使用 scripts/ocrpdf.py。
  • 对于可重复的本地PDF操作(如合并、拆分、将页面渲染为图像),使用 scripts/pdf_ops.py。

核心工作流程

从文本PDF中提取arXiv ID

运行:

bash
python3 scripts/extract_refs.py paper.pdf

如需下载引用的论文:

bash
python3 scripts/extract_refs.py paper.pdf --download --out ~/papers/

对扫描版PDF进行OCR

对所有页面执行OCR:

bash
python3 scripts/ocr_pdf.py paper.pdf --all

执行OCR并立即从OCR输出中提取arXiv ID:

bash
python3 scripts/ocr_pdf.py paper.pdf --all --extract-refs

依赖项

使用OCR功能前请安装以下依赖:

bash
brew install tesseract
brew install tesseract-lang
pip3 install pytesseract Pillow pymupdf --break-system-packages

仅在需要时进一步阅读

  • - 阅读 references/usage.md 了解命令行示例、编程API说明、PDF操作用法及已知限制。
  • 如需修改行为或复用辅助函数,可直接阅读脚本。

实用指导

  • - 对于超大型PDF,建议按页面范围或分批进行OCR,而非一次性处理全部。
  • 手写体或低分辨率扫描件的OCR质量可能下降。
  • 若PDF仅提取到部分参考文献,请先检查参考文献页面,而非直接认定提取完成。
  • 对于合并/拆分/页面渲染操作,请优先使用 scripts/pdf_ops.py,而非编写一次性代码片段。

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 pdf-utils-1776101110 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 pdf-utils-1776101110 技能

通过命令行安装

skillhub install pdf-utils-1776101110

下载

⬇ 下载 pdf-utils v1.0.1(免费)

文件大小: 12.73 KB | 发布时间: 2026-4-14 12:44

v1.0.1 最新 2026-4-14 12:44
1.0.1: clean patch release for metadata and publishing hygiene; remove artifact leakage from release flow; keep stable 1.0 test baseline.
返回顶部