Was macht data-extractor?
Hinweis: Dieser Skill ist für Claude Code und andere KI-Agenten optimiert.
Überblick
Der Skill claude-office-skills/data-extractor extrahiert strukturierte Daten aus Office-Dokumenten (Word, Excel, PDF) und gibt sie in JSON oder CSV aus. Er ist ideal für die Automatisierung von Datenerfassungsprozessen und die Integration in Arbeitsabläufe.
Funktionen
- Word-Dokumente: Extrahiert Text, Tabellen und Metadaten.
- Excel-Dateien: Liest Zellen, Zeilen, Blätter und benannte Bereiche.
- PDF-Dokumente: Extrahiert Text, Tabellen und Formulardaten.
- Ausgabeformate: JSON (Standard) oder CSV.
- Anpassbar: Filter- und Transformationslogik über Konfigurationsparameter.
Verwendung
-
Installation: Stellen Sie sicher, dass die erforderlichen Python-Bibliotheken installiert sind:
pip install python-docx openpyxl PyMuPDF pandas -
Aufruf: Verwenden Sie den Skill mit einem Dateipfad oder einem Ordnernamen:
data-extractor --input report.docx --output report.json --format json -
Integration: Binden Sie den Skill in Ihren KI-Agenten-Workflow ein, z. B. in Claude Code:
from data_extractor import extract result = extract("invoice.xlsx", format="csv")
Konfiguration
| Parameter | Beschreibung | Standard |
|---|---|---|
input | Pfad zur Datei oder zum Ordner | erforderlich |
output | Ausgabedatei | stdout |
format | Ausgabeformat (json oder csv) | json |
sheet | Spezifisches Blatt für Excel | alle Blätter |
encoding | Zeichenkodierung | utf-8 |
Beispiele
- PDF in JSON:
data-extractor --input bericht.pdf --format json - Excel in CSV:
data-extractor --input tabelle.xlsx --output daten.csv --format csv - Word-Tabellen:
data-extractor --input vertrag.docx --output vertragstabellen.json
Einschränkungen
- Unterstützt nur einfache Tabellen in PDF; verschachtelte Formulare können unvollständig sein.
- Große Excel-Dateien (>100 MB) können zu Speicherproblemen führen.
- Die Extraktion von Bildinhalten aus PDF wird nicht unterstützt.
Lizenz
MIT