APA 论文元信息提取工具
功能说明
从学术论文 PDF 文件中自动提取三类核心信息:
- 论文标题
- 关键词列表
- 英文/中文摘要内容
输出为标准 JSON,可直接用于文献管理、引用生成、数据分析。
依赖安装
使用前请安装依赖库:
pip install pymupdf titlecase openai
## 使用方式
### 命令行调用
```bash
python extract_title_keywords_abstract.py <论文PDF路径>
复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。
执行命令安装此 skill: npx secure-skills-cli add pdf-literature-parser从学术论文 PDF 文件中自动提取三类核心信息:
输出为标准 JSON,可直接用于文献管理、引用生成、数据分析。
使用前请安装依赖库:
pip install pymupdf titlecase openai
## 使用方式
### 命令行调用
```bash
python extract_title_keywords_abstract.py <论文PDF路径>
名为 pdf-extract-analyzer,描述称可提取 PDF 文本、表格、图片,分析结构并生成摘要,中英双语说明。实际 SKILL.md 只提供环境检查与 echo 占位命令、Free/Pro/Enterprise 层级对比和推广信息,没有可执行的解析或摘要逻辑,声明的能力未在材料中实现。
查看详情通过 scripts/pypdf_cli.py 调用 pypdf,在本地对 PDF 查看元数据与页数、提取全文或指定页文本、按页拆分、导出页范围、合并多个文件及旋转页面;页码统一 0 起始,写文件的命令需显式指定输出,依赖 python3 与 pypdf。
查看详情通过本地脚本 reader.py(依赖 python3 与 PyMuPDF)读取 PDF:extract 提取文本、search 按关键词返回匹配页码与页面上下文、metadata 返回页数与元数据。文件只读打开,默认最多读取 500 页,可用 --max_pages 缩小范围,结果为结构化 JSON,加密 PDF 返回明确错误。
查看详情将文本型 PDF 中的发票字段、对账单交易、报表表格或合同条款提取为 CSV、JSON 或 Markdown 表格,并给出字段映射、归一化规则、异常日志与质量校验清单;附隐私与适用性提示,扫描件需先做 OCR。
查看详情该 Skill 通过 Python 脚本解析 PDF 与 Word(.docx)文档,提取元数据、正文文本、表格与图片;可用 Markdown 或 JSON 格式输出,对无文本层的扫描件可选调用 Tesseract 做 OCR。适用于读取、整理和后续处理文档内容的场景。
查看详情基于 pdf-parse 的 Node.js 本地库,从 PDF 文件提取可读文本,可输出分页文本、检测到的标题、基础表格和元数据(标题、作者、页数)。支持批量处理、密码保护的 PDF,扫描版 PDF 仅基础支持并需 OCR;声明不使用外部服务。
查看详情