PDF文字提取
用 pdftotext 把 PDF 转成纯文本,供大模型处理,支持指定页码范围。
功能与用途
把 PDF 文件转成纯文本,供大模型处理。它调用 poppler-utils 包里的 pdftotext 工具完成转换,支持提取整份文档的文字,也支持只提取指定页码范围(比如 --pages 1-5)。依赖通过包管理器安装,元数据里已配置好 dnf 的安装方式(包名 poppler-utils)。
适用场景
- 文档全文转纯文本送模:把整份 PDF 文档快速转换为干净的纯文本,方便直接输入给大语言模型进行问答与总结。
- 指定页码范围精准抽取:针对超长报告或论文,仅提取指定页码段落的文字内容,避免超出模型上下文窗口。
- 自动化文档批处理预处理:在命令行工作流中作为前置文本解析工具,将本地 PDF 资料库批量转换为可读文本流。
适用人群
- 开发者
- 职场用户
- 需要喂给大模型处理文档的人
使用步骤
- 先安装依赖:sudo dnf install poppler-utils
- 执行 pdf-extract "document.pdf" 提取全文
- 或执行 pdf-extract "document.pdf" --pages 1-5 提取指定页
- 得到纯文本结果
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 办公
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 简单
- 版本
- 1.0.0
- 最近更新
- 2026-05-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Extract text from PDF files for LLM processing
使用前准备
- poppler-utils 包(提供 pdftotext 命令)
- Linux 环境(示例为 dnf 包管理器)
依赖与权限
- 读取用户主动提供的内容