前言¶
处理 PDF 时常见的问题是：文字能被复制，但拿到手是一堆没有行结构的字符串；表格能看见，却拆不成行列，更拿不到单元格的位置信息。自己写解析逻辑，往往要同时对付文本抽取、表格边框识别、坐标计算这几件事，成本不低。
下面介绍的这个 Skill 把这部分工作收敛到一次调用：它基于 pdfplumber，提取 PDF 中的文字、表格和元数据，支持字符级定位和表格识别。
这是什么¶
- Skill 名称：PDF文字表格精准提取｜简诗 AI
- 坐标：@user_fccf428b/pdf-extraction
- 版本：1.0.1
- 来源：community
- 分类：office-efficiency
- 发布者：user_fccf428b
- 标签：requires_api_key=false，即不要求额外配置 API Key
- 简介：使用 pdfplumber 库精准提取 PDF 中的文字、表格和元数据，支持字符级定位和准确的表格识别。
解决的问题是：把 PDF 中的文本、表格和文档元数据转成结构化结果，并保留字符级坐标，便于后续做定位、校验或裁切。
核心功能¶
- 文字提取：从 PDF 页面中抽取文字，用于正文、标题或段落的结构化处理。
- 表格提取：识别页面中的表格结构，得到表格数据。
- 元数据提取：读取 PDF 文档层面的元数据。
- 字符级定位：提供字符级别的定位能力，方便按位置核对或引用原文。
- 依赖固定：底层使用 pdfplumber，适合处理由文本层生成的 PDF。
安装与启用¶
这个 Skill 按 SkillHub 的 SKILL.md 格式提供，安装时按你当前使用 Agent 的方式指向官方地址：
https://api.skillhub.cn/user_fccf428b/pdf-extraction
在 SkillHub 页面上的安装入口是：
https://www.skillhub.cn/skills/user_fccf428b/pdf-extraction
启用时需要确认几件事：
- 已安装 pdfplumber。
- 当前运行环境允许该 Skill 读取本地文件路径。
- 当前任务需要 PDF 文本、表格或元数据中的一项或多项。
典型用法¶
把一个本地 PDF 交给 Skill，先说明要提取文字、表格还是元数据，再给出文件路径。常见流程是：
- 准备 PDF：确认文档包含文本层，扫描件没有文本层时，表格和文字都提取不到。
- 说明目标：明确需要表格结构、字符坐标，或只需要纯文字。
- 传入路径：让 Skill 读取该文件，输出结构化结果。
- 检查结果：拿到文字、表格和元数据后，再按业务需要做清洗或入库。
输出结果通常会包含页面文字、表格数据和文档元数据；如果任务关注定位，还要保留字符级坐标，便于回查原文位置。
适用场景与注意¶
适合：
- 需要把合同、报告、票据、论文等 PDF 中的文字和表格转成结构化数据。
- 需要按字符坐标核对抽取结果。
- 需要在不写解析代码的前提下完成 PDF 抽取。
注意：
- 对扫描件效果有限：没有文本层的图片型 PDF，需要先做 OCR。
- 复杂版面可能出错：跨页表格、合并单元格、无线框表格的识别结果需要人工检查。
- 定位信息要保留：如果只用纯文本，就浪费了字符级定位这一能力。
- 版本为 1.0.1，遇到解析异常时先确认 pdfplumber 版本和输入文件是否可读。
结尾¶
这个 Skill 的价值在于把 PDF 抽取拆成可直接调用的能力：文字、表格、元数据一次拿到，字符级定位用于核对，不需要自己写解析流程。适合需要频繁处理 PDF 的开发者和数据整理工作。
官方地址：https://api.skillhub.cn/user_fccf428b/pdf-extraction
