baronguyen001/ai-automation-skills

Extrahiert Text und einfache tabellenähnliche Zeilen aus einer PDF für nachgelagerte KI ohne OCR-Binärdateien. Verwenden Sie dies, wenn der Benutzer darum bittet, eine PDF zu lesen, eine PDF in Text umzuwandeln, einfache Tabellen aus Kontoauszügen/Berichten zu ziehen oder PDF-Inhalte in eine LLM-Pipeline einzuspeisen.

Was ist ai-automation-skills?

Dieses Skill extrahiert maschinenlesbaren Text und einfache Tabellen aus digitalen PDFs mithilfe von reinen Python-Bibliotheken (pypdf oder pdfminer.six) und benötigt keine OCR-Binärdateien. Es analysiert den Text zeilenweise und erkennt einfache tabellarische Strukturen basierend auf Tabulatoren oder wiederholten Leerzeichen, sodass nachgelagerte LLM-Workflows die Seite und die Zeilenstruktur referenzieren können. Das Skill behält Seitenumbrüche bei, ermöglicht die Referenzierung von Seitenzahlen in Prompts und gibt klar einen Fehler aus, wenn kein Text gefunden wird. Es ist ideal für Workflows in Claude Code, Cursor, Codex oder ähnlichen KI-Agenten-Plattformen, die PDF-Inhalte vor der Zusammenfassung, Klassifizierung oder strukturierten Extraktion lesbar machen müssen.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Gemini CLI

npx skills add https://github.com/baronguyen001/ai-automation-skills/tree/HEAD/skills/pdf-text-extract

Dokumentation

PDF-Text-Extraktion

Verwenden Sie dieses Skill, wenn ein Workflow maschinenlesbaren Text aus einem digitalen PDF benötigt – vor der Zusammenfassung, Klassifizierung oder strukturierten Extraktion. Der Helfer nutzt reine Python-PDF-Bibliotheken, sofern verfügbar, und enthält einen einfachen zeilenbasierten Tabellendetektor für die nachgelagerte Bereinigung.

Wann aufrufen

Der Benutzer sagt: "Extrahiere Text aus dieser PDF", "Füge eine PDF in eine KI ein", "Ziehe Tabellen aus diesem Bericht", "Lies diese Abrechnung".
Das PDF enthält bereits auswählbaren Text und benötigt keine OCR.

Wann NICHT aufrufen

Das PDF ist ein eingescanntes Bild; verwenden Sie stattdessen einen OCR-Workflow.
Der Benutzer benötigt eine pixelgenaue Tabellenrekonstruktion mit zusammengeführten Zellen und Layouttreue.

Konkretes Beispiel

Benutzereingabe:

Extrahiere den Text und grobe Tabellen aus dieser PDF, damit Gemini sie zusammenfassen kann.

Ausgabe:

# Kopieren Sie assets/extract.py in Ihr Projekt, dann:
from extract import extract_pdf

doc = extract_pdf("downloads/report.pdf")
print(doc["text"][:2000])
for table in doc["tables"]:
    print(table["page"], table["rows"][:3])

Installieren Sie entweder pypdf oder pdfminer.six im Zielprojekt. Es wird kein OCR-Binary benötigt, und der Helfer gibt einen klaren Fehler aus, wenn das PDF keinen extrahierbaren Text enthält.

Anzuwendendes Muster

Bevorzugen Sie zuerst die digitale Textextraktion; fügen Sie OCR nur hinzu, wenn die Quelle eingescannt ist.
Behalten Sie Seitenumbrüche bei, damit nachgelagerte Prompts auf Seitenzahlen verweisen können.
Halten Sie die Tabellenextraktion einfach: Teilen Sie Zeilen durch Tabulatoren oder wiederholte Leerzeichen auf und lassen Sie einen späteren Schema-Durchlauf die Spalten normalisieren.
Begrenzen Sie den an ein LLM gesendeten Text pro Seite/Bereich, wenn das PDF lang ist.
Scheitern Sie lautstark, wenn kein Text gefunden wird, anstatt einen leeren Prompt nachgelagert zu senden.

Referenz: assets/extract.py.

Quelle

Destilliert aus dem produktiven Einsatz in den Automatisierungsprojekten des Autors. v1.0.0. Siehe auch: [[gemini-structured-output]], [[csv-report-writer]], [[s3-uploader]].

→ Erstellen Sie den vollständig ausführbaren Bot mit Trawlkit.