PDF和图片文字提取 / pdf-image-text-extractor

---

简介

上传图片或 PDF，自动识别并提取其中的文字内容；支持扫描版 PDF 识别、表格结构化提取与批量目录处理，保留原文结构与排版，输出清晰易读的结果。

核心价值

• 即传即识：上传图片或 PDF，无需额外操作，自动完成文字识别与提取。
• 零额外依赖：扫描识别与表格提取无需安装任何 OCR 引擎或表格库，开箱即用。
• 格式保留：尽量保持原文的段落结构、标题层级，提取结果可直接使用。
• 完全免费：仅需免费申请 API Key 用于权限校验，不扣积分。

适用对象

• 📄 办公人员 — 快速从扫描件、合同、报告中提取文字，告别逐字手打。
• 📊 财务 / 运营 — 一键把 PDF 里的表格提取成 Markdown，直接粘贴使用。
• 📚 学生 / 研究者 — 从文献 PDF 中提取内容，方便整理笔记与引用。
• ✍️ 内容创作者 — 从图片素材中获取文字参考，提升创作效率。

---

功能特性

核心功能

• 图片文字提取：上传图片即可识别其中所有文字，包括标题、正文、注释等。
• PDF 文字提取：自动解析 PDF 页面文字，多页文档一次性处理。
• 扫描版 PDF 识别：自动检测无文字层的扫描页，渲染为高清图片后交由 AI 视觉识别，无需安装 OCR 引擎。
• 表格结构化提取：自动识别 PDF 中的表格，输出 Markdown 表格格式，保留行列结构。
• 批量目录处理：传入目录路径，一次性处理其中所有 PDF 与图片文件。
• 结构化输出：结果以清晰的 Markdown 格式呈现，方便复制或导出。

---

密钥获取与安全说明

• 本技能需要使用环境变量：REDFOX_API_KEY。
• REDFOX_API_KEY 由 红狐 hub (https://redfox.hk)提供。
• 请前往 红狐 hub 注册账号，获取 REDFOX_API_KEY。
• 配置设备环境变量 REDFOX_API_KEY 后使用本技能。
• 在提供密钥前，请先确认密钥来源、可用范围、有效期及是否支持重置/撤销。
• 禁止在代码、提示词、日志或输出文件中硬编码/明文暴露密钥。

---

使用指南

直接用自然语言描述需求即可，无需记忆命令。

常用说法速查

意图	示例话术	效果
提取图片文字	上传图片后说"提取图片里的文字"	自动识别并输出图片中的所有文字内容
提取 PDF 文字	上传 PDF 后说"把这个 PDF 转文字"	自动解析所有页面，保留段落结构输出
扫描版识别	上传扫描件后说"识别这份扫描版的文字"	自动将扫描页渲染为图片并识别出文字
提取 PDF 表格	"把这份 PDF 里的表格提取出来"	输出结构化 Markdown 表格，可直接粘贴
批量处理	"提取这个文件夹里所有文件的文字"	一次性处理目录下全部 PDF 与图片
保存提取结果	"把提取结果保存下来"	生成 Markdown 文件，方便后续使用

输出示例

提取完成后，你将看到类似以下格式的内容：

## 页面 1

所有经历的纠缠
还有难过的遗憾
都不可能没有意义

---

## 页面 2

| 产品 | 数量 | 营收 |
| --- | --- | --- |
| Alpha | 1200 | 36000 |
| Beta | 860 | 25800 |

PDF 多页文档以 --- 分隔不同页面；表格以标准 Markdown 表格输出。

---

使用场景

场景	角色	示例问法	收益
文档数字化	办公人员	"把这份合同 PDF 转成文字"	告别逐字手打，快速完成文档电子化
扫描件识别	办公 / 档案	"识别这份扫描件里的文字"	无需安装 OCR 软件，AI 直接识别
表格提取	财务 / 运营	"把这份报表 PDF 的表格抽出来"	直接得到 Markdown 表格，便于二次处理
资料归档	个人用户	"提取这个文件夹里所有文件的文字"	整目录一次处理，省时省力
文献整理	学生 / 研究者	"提取这篇论文 PDF 的内容"	方便做笔记、引用和检索

---