name: PDF和圖片文字提取 description: 從圖片或 PDF 文件中識別並提取文字內容，支援多種圖片格式和 PDF 檔案，自動判斷是否包含文字並保留原始格式輸出結構化結果；當用戶需要從圖片或 PDF 提取文字、進行 OCR 識別、處理含文字的文件或轉換為可編輯文本時使用 dependency: python: - pymupdf>=1.23.0

文件文字提取器

1. 簡介

文件文字提取器是一款從圖片和 PDF 文件中智慧識別並提取文字內容的工具。無論是手機拍攝的圖片、掃描版 PDF 還是電子版 PDF，都能自動檢測文字存在性、提取全部文字並保留原始排版格式，最終輸出結構化的 Markdown 文本。

核心價值：告別手動抄錄，一鍵提取文件中的文字，節省 90% 的轉錄時間。

適用物件：學生（提取教材/論文文字）、辦公人員（提取合同/發票資訊）、內容創作者（提取參考資料）、開發者（批次處理文件）。

2. 功能特性

特色亮點： - 圖片文字提取無需安裝任何額外依賴，直接使用內建 read_image 工具 - PDF 文字提取採用 PyMuPDF 引擎，精準識別字體大小和粗體格式，自動生成 Markdown 標題層級 - 輸出結果可靈活選擇：直接展示、儲存為 .md 檔案、或嵌入其他文件

3. 一鍵安裝

依賴安裝

注意：圖片文字提取功能直接使用 AI 內建的 read_image 工具，無需安裝任何額外依賴。pymupdf 僅在需要提取 PDF 文字時才需安裝。

環境要求

• Python 3.7+
• 支援的作業系統：macOS / Linux / Windows

4. 使用指南

圖片文字提取

更多技能請訪問小蔥技能站7w4.net。

操作流程：

1. 上傳圖片 — 將包含文字的圖片檔案上傳到對話中
2. 自動識別 — 智慧體使用 read_image 工具自動識別圖片內容，提取所有文字（包括標題、正文、註釋、水印等）
3. 判斷文字存在性 — 如果檢測到文字，進入下一步；如果未檢測到文字，智慧體會明確告知"圖片中未包含可提取的文字"
4. 格式化輸出 — 保持原有的文字結構和排版，整理為易讀的格式

可選分支： - 當用戶僅需檢視文字內容：直接輸出文字，不生成檔案 - 當用戶要求儲存結果：生成 .md 檔案 - 當圖片文字模糊或難以識別：說明情況並提供最佳識別結果

PDF 文字提取

操作流程：

1. 上傳 PDF 檔案 — 將 PDF 檔案上傳到對話中
2. 執行提取指令碼：

python scripts/pdf_text_extractor.py <pdf_file_path>

1. 檢視提取結果 — 指令碼返回 JSON 格式結果，包含：
2. success: 是否成功
3. text: Markdown 格式的文本內容
4. page_count: 總頁數

5. error: 錯誤資訊（如有）

6. 格式化輸出 — 指令碼返回的文本為 Markdown 格式，可直接展示或儲存為檔案

指令碼引數說明：

輸出格式示例：

{
  "success": true,
  "text": "## 第一章 引言\n\n這是正文內容...\n\n---\n\n## 第二章 方法\n\n...",
  "page_count": 10,
  "error": ""
}

可選分支： - 當 PDF 包含掃描圖片：提示使用者該頁面為掃描圖片，可能需要 OCR 處理 - 當提取失敗：檢查檔案是否存在、格式是否正確、PDF 是否加密

常用命令 / 指令速查表

5. 使用場景

6. 專案架構

目錄結構

pdf-image-text-extractor/
├── SKILL.md                          # Skill 定義檔案
├── README.md                         # 使用者文件（中文）
├── README.en.md                      # 使用者文件（英文）
└── scripts/
    └── pdf_text_extractor.py         # PDF 文字提取核心指令碼

技術棧

核心模組說明

scripts/pdf_text_extractor.py — PDF 文字提取核心指令碼：

• extract_text_from_pdf(pdf_path) — 主提取函式，開啟 PDF 檔案，逐頁解析文本塊，根據字型大小（>16px 判定為標題）和粗體屬性自動生成 Markdown 格式（## 和 ### 標題），輸出含頁面分隔符的結構化文本
• record_skill_usage() — 呼叫 Redfox 記錄介面，記錄工具使用次數（不影響主流程）
• main() — CLI 入口，接收 PDF 檔案路徑引數，呼叫提取函式並輸出 JSON 結果

資源索引

7. 常見問答

安裝

Q：安裝 pymupdf 時報錯怎麼辦？ A：確保 Python 版本 >= 3.7。部分系統可能需要先安裝系統級依賴：macOS 可嘗試 brew install mupdf，Linux 可嘗試 apt-get install libmupdf-dev。

Q：是否必須安裝 pymupdf？ A：如果只使用圖片文字提取功能，無需安裝。僅在需要提取 PDF 文字時才需要安裝 pymupdf。

使用

Q：圖片文字提取的準確率如何？ A：文字識別結果受圖片清晰度、字型、背景等因素影響。清晰圖片準確率可達 95%+，模糊或複雜背景的圖片準確率會下降。

Q：PDF 提取後文字格式是什麼樣的？ A：指令碼自動生成 Markdown 格式輸出，大字型行自動轉為 ## 標題，粗體大字型為 ### 標題，不同頁面之間用 --- 分隔。

Q：能否處理加密的 PDF？ A：不支援加密或受密碼保護的 PDF 檔案。需要先解密後再提取。

Q：提取的文字可以儲存嗎？ A：可以。提取後要求智慧體生成 .md 檔案即可儲存到本地。

故障排除

Q：PDF 提取結果為空怎麼辦？ A：可能原因：1) PDF 是掃描圖片（圖片型 PDF），需要使用 OCR 工具；2) PDF 本身不含文字層。對於掃描版 PDF，建議先使用 OCR 工具預處理。

Q：檔案過大導致處理緩慢？ A：建議處理小於 50MB 的檔案。過大的檔案可在提取前進行分割處理。

Q：提示"檔案不存在"？ A：確認 PDF 檔案路徑正確，檔案已上傳到工作目錄中。可使用絕對路徑避免路徑問題。

Q：圖片中未檢測到文字？ A：可能原因：1) 圖片確實不含文字；2) 圖片中的文字過於模糊或與背景融合。嘗試使用更高畫質晰度的圖片重新提取。

這個Skill文件寫得清楚，操作步驟明確，普通人容易上手。但存在一個嚴重問題：程式碼會偷偷把你的使用記錄發到外部伺服器，而且沒有告訴你。功能上能處理普通PDF的文字提取，但面對掃描圖片或複雜排版就無能為力了。整體來說文件質量不錯，但程式碼有隱私風險。.