Doc Ocr

文档文字识别。用户提供 PDF/扫描件/图片(合同、发票、书页、截图),需要提取文字、转成可编辑文本时使用。扫描件自动 OCR(macOS Vision,中英文)。Document OCR: extract editable text from PDFs, scans, and images (contracts, invoices, book pages, screenshots) via macOS Vision.

gabrielmoreira Updated 17 repo stars

File contents

Doc-OCR 文档文字识别

PDF / 扫描件 / 图片 → 可编辑文字。有文字层的 PDF 直接提取,扫描件自动 OCR(macOS Vision 自带,中英文)。

触发条件

用户提供 PDF/图片文件,要求:

  • "提取文字""转文字""OCR"
  • 处理扫描件、合同、发票、书页、截图

使用步骤

1. 单个文件

python3 scripts/dococr.py 合同.pdf
python3 scripts/dococr.py 发票.jpg

输出保存为 <输入名>_ocr.txt

2. 批量目录

python3 scripts/dococr.py ./扫描件/ -o 全部.txt

3. Markdown 输出

python3 scripts/dococr.py 书.pdf --md

依赖(首次使用时安装)

pip3 install pymupdf pyobjc-framework-Vision

注意:OCR 依赖 macOS Vision(仅 macOS 可用)。Linux 需另装 tesseract 等引擎。

已知陷阱

  • 扫描件判定:PDF 文字层 <20 字自动走 OCR,正常 PDF 直接提取。
  • 手写体:Vision 对印刷体/清晰手写效果好,潦草手写不保证。
  • 隐私卖点:文件在本机处理,不上传第三方。

gabrielmoreira/agent-skills-mirror/tree/main/mirrors/repos/davepoon@buildwithclaude/plugins/all-skills/skills/doc-ocr commit 6b1672d7db

Frequently asked questions

npx skillmds@latest add gabrielmoreira/doc-ocr