DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

Rexray117 /

Rexray117/PDF-OCR-Toolkit-Skill

Topic repository only

PDF OCR Toolkit · PDF 全链路处理|PDF 全链路处理工具包:探测(页数/加密/文本层)→ 文本层提取(pypdf)→ 扫描件渲染(pymupdf/fitz)→ OCR 识别(rapidocr-onnxruntime,中英文,模型内嵌离线)→ Markdown 整理 → docx 交付(python-docx)。含环境自检 doctor、一键装环境 setup、自动分流 pipeline(有文本层走提取、无文本层走 OCR)。触发词:读PDF、扫描件、OCR、识别图片文字、提取文本、转docx、PDF翻译前处理。

★ 0 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@e117fc43

PDF OCR Toolkit · PDF 全链路处理

DSH Skill version license

一个 DeepSeek Harness(DSH)/ Agent Skill:pdf-ocr-toolkit v1.1.0。

PDF 全链路处理工具包:探测(页数/加密/文本层)→ 文本层提取(pypdf)→ 扫描件渲染(pymupdf/fitz)→ OCR 识别(rapidocr-onnxruntime,中英文,模型内嵌离线)→ Markdown 整理 → docx 交付(python-docx)。含环境自检 doctor、一键装环境 setup、自动分流 pipeline(有文本层走提取、无文本层走 OCR)。触发词:读PDF、扫描件、OCR、识别图片文字、提取文本、转docx、PDF翻译前处理。

适用场景

把本仓库整体放进 agent 的技能目录即可按描述自动触发;也可以在对话里直接点名 pdf-ocr-toolkit。

目录结构

`SKILL.md`
`requirements.txt`
`LICENSE`
`.gitignore`
references/
scripts/

安装

DSH(DeepSeek Harness)

技能目录放到用户级技能根:

# Windows
git clone https://github.com/Rexray117/PDF-OCR-Toolkit-Skill.git "$env:USERPROFILE\.dsh\skills\pdf-ocr-toolkit"
# macOS / Linux
git clone https://github.com/Rexray117/PDF-OCR-Toolkit-Skill.git ~/.dsh/skills/pdf-ocr-toolkit

也可以用 DSH 的插件管理安装本地目录:

plugin_manager action=install_bundle target=<本仓库绝对路径>

其他 agent(Codex / WorkBuddy / Claude Code)

技能根分别位于 ~/.codex/skills、~/.workbuddy/skills、~/.claude/skills,把本仓库克隆成其中的 pdf-ocr-toolkit 子目录即可(技能名以 SKILL.md 的 name: pdf-ocr-toolkit 为准)。

版本

  • 当前版本:v1.1.0(与 SKILL.md 的 version 字段一致)

更新记录

  • v1.1.0(2026-10-30)· 健壮性修复(全部用真实夹具验证)
    • 全脚本:GBK 控制台不再因 emoji/✔ 崩溃(reconfigure(encoding="utf-8", errors="replace"))。
    • 加密 PDF:pdf_probe.py / pdf_extract_text.py / pdf_pipeline.py 均支持 --password; pymupdf 无 password= 关键字,统一走 open_fitz()(needs_pass + authenticate)。
    • 同名覆盖:pdf_pipeline.py 输出同名时自动加 _2/_3 后缀,绝不覆盖已有文件。
    • 页标记统一为 ===== [PAGE n/N] =====;0 页输入不再触发除零,route 记为 skip。
    • setup_env.py --check 现在比较版本(== 规格),此前只判包是否安装。
    • md2docx.py 支持列数不齐的 Markdown 表格(按最大列数补齐,不再 IndexError)。
    • Python 要求下调为 >=3.10(3.13.14 实测全绿)。

License

MIT © 2026 Rexray117

—/ 5

No ratings yet

Manifest verification required

Commit e117fc43a1c3

Community comments

No comments yet. Be the first to write one.

DSH HUB

A community index for DSH plugins. Not an official GitHub or DeepSeek AI product.

CommunityResourcesAPIAbout