（10183期）PyMuPDF PDF Parser Clawdbot Skill – 极速本地 PDF 解析专家

极速本地 PDF 解析专家 PyMuPDF 驱动的本地高速 PDF 解析工具，快速提取为 Markdown/JSON，支持图片表格，适合追求速度或作为重型解析器的备用方案。 使用说明 核心用法 PyMuPDF PDF 技能基于 PyMuPDF（fitz）库，提供轻量级的本地 PDF 解析能力。主要功能包括： 快速文本提取：将 PDF 内容转换为 Markdown（默认）或 JSON 格式 多媒体支持：可选提取图片到独立子目录，提取表格为简化 JSON 结构化输出：按文档创建独立输出文件夹，保持内容组织清晰 基础调用方式：./scripts/pymupdf_parse.py /path/to/file.pdf --format md --outroot ./pymupdf-output 支持 --format md|json|both、--images、--tables 等选项，JSON 输出可包含语言元数据（--lang）。 显著优点 速度优先：PyMuPDF 以高性能著称，解析速度快于多数重型 OCR 方案 零外部依赖：纯本地处理，无需调用云端 API，保护数据隐私 资源轻量：内存占用低，适合批量处理或资源受限环境 输出灵活：同时支持人类可读的 Markdown 和机器友好的 JSON 模块化设计：可作为重型解析器（如 MinerU）不可用时的可靠 fallback 潜在局限 鲁棒性不足：在复杂排版、扫描版 PDF、特殊字体场景下表现弱于专业 OCR 工具 表格识别粗糙：--tables 仅提供基于行的简单提取，非结构化表格可能失真 格式保真度：复杂版式（多栏、图文混排）可能丢失原始布局信息 依赖管理：需处理 PyMuPDF 安装及可能的 Nix 环境 libstdc++ 兼容问题 适合人群 需要快速原型验证或大批量预处理的开发者 处理标准文本型 PDF、对格式还原要求不高的场景 隐私敏感环境（本地离线处理为刚需） 已有重型解析器但需要轻量备用方案的团队 常规风险 | 风险类型 | 说明 ||---------|------|| 解析失败 | 加密/损坏 PDF 可能导致异常，需提前校验文件完整性 || 内容遗漏 | 复杂文档可能出现文本顺序错乱或内容丢失 || 环境冲突 | Nix 用户需参考 pymupdf-notes.md 解决库依赖问题 || 输出偏差 | 表格/图片提取结果需人工复核，不宜直接用于生产 | 建议在关键业务场景中，将本工具作为初筛或辅助手段，配合人工校验或重型解析器使用。 原始说明 Fast local PDF parsing with PyMuPDF (fitz) for Markdown/JSON outputs and optional images/tables. Use when speed matters more than robustness, or as a fallback while heavier parsers are unavailable. Default to single-PDF parsing with per-document output folders.