PDF字段提取器

解决的问题

很多办公 PDF 的结构化信息藏在版式、表格和扫描件里：发票金额、合同条款、营业执照字段、银行对账单余额等，靠人工誊抄容易漏字段。Pdf Field Extractor 面向这类场景，把文档中的关键信息抽取成机器可读的 Excel / JSON，便于后续对账、归档或系统导入。

工作方式

• 先定位内容：使用 PyMuPDF 与 pdfplumber 提取文本和表格；对无文本层的扫描件自动触发 pytesseract OCR，支持中英日韩等语言。
• 再识别文档类型：根据关键词与 AI 判断，区分为发票、合同、收据、营业执照、银行对账单、快递单或通用文档。
• 最后结构化输出：调用 OpenAI 兼容接口完成字段抽取，一行一条记录生成 .xlsx，也可输出嵌套 JSON；批量处理时会合并结果。

适用边界

• 需要用户自行配置大模型 API Key，Skill 侧不存储密钥。
• 扫描件识别率依赖图片清晰度，建议保持足够分辨率并做去噪增强。
• 更适合发票、合同、收据等字段较固定的文档；完全自由文本的抽取质量取决于模型与提示词。