PyMuPDF PDF

概述

使用PyMuPDF在本地解析PDF，默认快速、轻量地提取为Markdown格式，并可选择在按文档划分的目录中输出JSON以及图像/表格。

前提条件 / 何时阅读参考资料

如果您遇到导入错误（PyMuPDF未安装）或Nixlibstdc++相关问题，请阅读：

• references/pymupdf-notes.md

快速开始（单个PDF）

# Run from the skill directory
./scripts/pymupdf_parse.py /path/to/file.pdf \
  --format md \
  --outroot ./pymupdf-output

选项

• --format md|json|both（默认：md）
• --images以提取图像
• --tables以提取简单的基于行的表格JSON（快速/粗略）
• --outroot DIR以更改输出根目录
• --lang向JSON输出元数据中添加语言提示

输出约定

• 默认创建./pymupdf-output/<pdf-文件名>/目录。
• Markdown输出：output.md
• JSON输出：output.json（包含语言信息）
• 图片：images/子目录
• 表格：tables.json（基于大致行结构）

注意

• PyMuPDF速度很快，但在处理复杂PDF时鲁棒性较差。
• 如需更稳健的解析，请使用重型OCR解析器（如已安装，可使用MinerU）。