PDF 结构化转换
按 ETL 流程把工程 PDF 的规格表、清单和报表抽成 CSV、Excel 或 JSON。
功能与用途
把非结构化的 PDF 文档转成适合分析和集成的结构化格式。它基于 DDC 方法论(第 2.4 章),面向工程场景:建筑项目会产生大量 PDF 文档——规格表、物料清单(BOM)、进度表和报告——这些都需要被提取和处理。转换遵循 ETL 模式:先提取(加载 PDF 文档),再转换(解析并结构化内容),最后加载(保存为 CSV、Excel 或 JSON)。
适用场景
- 物料清单(BOM)提取:从工程图纸或采购 PDF 中定位并提取物料名称、规格、数量与单位,自动整理导出为规范的 Excel 表格。
- 扫描版报表 OCR 数字化:针对纸质扫描版工程验收单或检测报告,运用 OCR 技术识别页面文字与表格轮廓,转存为便于查询的 CSV 文件。
- 图纸局部区域表格抓取:依据页面坐标范围精准裁剪图纸特定区域,单独提取局部的构件参数或说明表,避免全页杂乱图形与文字干扰。
- 施工规范与进度表汇总:批量解析原生 PDF 格式的工期进度表与技术规格书,跨页合并表格并输出为适合系统集成的 JSON 或 Excel。
适用人群
- 工程数据处理人员
- 项目经理
- 数据分析人员
使用步骤
- Extract:加载目标 PDF 文档
- Transform:解析并结构化内容
- Load:保存为 CSV、Excel 或 JSON
- 检查结构化结果是否符合分析需求
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
- 2.0.0
- 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 structured data from construction PDFs. Convert specifications, BOMs, schedules, and reports from PDF to Excel/CSV/JSON. Use OCR for scanned documents and pdfplumber for native PDFs.
使用前准备
- 工程类 PDF 文档(规格表 / 物料清单 / 进度表 / 报表)
- Python 数据处理环境
依赖与权限
- 读取用户主动提供的内容