（4961期）Pdfreader – 安全 PDF 文本提取 · JSON 输出

安全 PDF 文本提取 · JSON 输出 基于 PyMuPDF 的安全 PDF 文本提取工具，支持本地文件解析与结构化 JSON 输出，适用于 AI 阅读场景。 使用说明 核心用法 PDF Reader Skill 是一款专为 OpenClaw 设计的 PDF 文本提取工具，基于 PyMuPDF（fitz）库实现。用户可通过命令行指定 PDF 文件路径及页数范围，快速提取文档文本内容，并可选输出为结构化 JSON 格式，便于后续 AI 处理与分析。 基本命令结构：python pdf_reader.py <文件路径> <页数> [--output=<输出文件>] 工具默认提取前 10 页，支持自定义页数，并通过 --output 参数将结果持久化至 JSON 文件。 显著优点 兼容性强：PyMuPDF 支持各类 PDF 文档，包括扫描件（OCR 层）、加密文档（需密码）及复杂排版文件 性能优异：C 语言底层实现，大文件处理速度快，内存占用相对合理 元数据提取：自动获取文档标题、作者、创建日期等元信息 编码智能处理：自动识别并转换多种字符编码，减少乱码问题 AI 友好输出：JSON 格式便于直接喂入 LLM 进行摘要、问答或知识抽取 潜在缺点与局限性 | 限制类型 | 具体说明 ||---------|---------|| 路径限制 | 仅允许当前工作目录内的文件操作，无法处理跨目录或网络路径 || 页数限制 | 无内置上限控制，一次性提取过多页面可能导致内存峰值 || 格式丢失 | 纯文本提取会丢弃表格结构、图片、字体样式等版式信息 || 扫描件依赖 | 无 OCR 引擎，纯图像 PDF 需预先嵌入文本层 || 无并发设计 | 单线程处理，批量任务效率受限 | 适合人群 AI 开发者：需要为 RAG 系统准备文档输入管道 数据分析师：批量提取报告、论文中的可分析文本 自动化运维：构建文档处理工作流的一环 安全敏感环境：需在受限文件系统内操作 PDF 的场景 常规风险 本地文件系统暴露：虽然限制了路径遍历，但仍需确保工作目录本身无敏感文件 大文件 DoS：恶意构造的大页数 PDF 可能触发内存耗尽 依赖供应链：PyMuPDF 更新频繁，需锁定版本避免破坏性变更 隐私合规：提取的文本可能包含 PII，JSON 输出需额外脱敏处理 原始说明 Extract text and metadata from PDF files using PyMuPDF, supporting large files and outputting results in JSON format.