Token导航 LogoToken导航TokenDH.com
效率需要联网clawhub未标认证来源可访问clear审计通过

opendataloader-pdfopendataloader PDF 工具

Agent Skill

用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围,避免把样本数据当全量事实;涉及敏感数据、导出文件或批量写回时,应先确认权限和脱敏边界。

总安装

7,441

周安装

301

GitHub Stars

公开资料未说明

下载量

2,336
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:opendataloader-pdf(opendataloader PDF 工具)
来源仓库:https://github.com/emptyguo/opendataloader-pdf
安装命令:
openclaw skills install opendataloader-pdf
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install opendataloader-pdf

简介

在为 RAG 管道解析 PDF、从 PDF 中提取结构化数据或将 PDF 转换为带有边界框以进行 AI 处理的 Markdown/JSON 时使用

SKILL.md

name
opendataloader-pdf
description
Use when parsing PDFs for RAG pipelines, extracting structured data from PDFs, or converting PDFs to Markdown/JSON with bounding boxes for AI processing
attribution
Based on OpenDataLoader PDF (https://github.com/opendataloader-project/opendataloader-pdf), licensed under Apache 2.0
This skill is based on OpenDataLoader PDF, licensed under Apache License 2.0.

OpenDataLoader PDF

PDF parser for AI-ready data extraction. Open-source. #1 in benchmarks (0.90 overall accuracy).

Prerequisites

  • Java 11+ required (run java -version to verify)
  • Python 3.10+ or Node.js 18+

Installation

# Python
pip install -U opendataloader-pdf

# Python with hybrid AI mode (for complex documents)
pip install -U "opendataloader-pdf[hybrid]"

# Node.js
npm install @opendataloader/pdf

Quick Start

Python

import opendataloader_pdf

opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    format="markdown,json"  # Output formats: markdown, json, html
)

Node.js

import { convert } from '@opendataloader/pdf';

await convert(['file1.pdf', 'file2.pdf'], {
  outputDir: 'output/',
  format: 'markdown,json'
});

CLI

# Fast local mode (0.05s/page)
opendataloader-pdf file1.pdf file2.pdf -o output/

# With hybrid AI mode (higher accuracy for complex docs)
opendataloader-pdf --hybrid docling-fast file1.pdf

Mode Selection

Document TypeModeCommand
Standard digital PDFFast (default)pip install opendataloader-pdf
Complex tablesHybridpip install "opendataloader-pdf[hybrid]" + start server
Scanned PDFsHybrid + OCRopendataloader-pdf-hybrid --force-ocr
Multi-language scannedHybrid + OCR--ocr-lang "zh,en"
Mathematical formulasHybrid + formula--enrich-formula
Charts needing descriptionHybrid + picture--enrich-picture-description

Benchmark Comparison

EngineOverallTableSpeed (s/page)
opendataloader [hybrid]0.900.930.43
opendataloader (local)0.720.490.05
docling0.860.890.73
marker0.830.8153.93
pymupdf4llm0.570.400.09

Key Features

  • Bounding boxes for every element (for source citations in RAG)
  • XY-Cut++ reading order for multi-column layouts
  • 100% local - no data sent to cloud
  • AI safety filters - prompt injection protection
  • Table extraction - borderless tables via hybrid mode
  • OCR - 80+ languages via hybrid mode
  • Formula extraction - LaTeX output

LangChain Integration

pip install langchain-opendataloader-pdf
from langchain_opendataloader_pdf import OpenDataLoaderPDF

loader = OpenDataLoaderPDF(file_path="document.pdf")
docs = loader.load()

Output Formats

  • markdown: Structured text with heading hierarchy
  • json: Element-level with bounding boxes, page numbers, types
  • html: Rich formatted output

JSON output includes:

  • type: paragraph, heading, table, image, etc.
  • content: text content
  • bbox: [left, bottom, right, top] in PDF points
  • page: page number
  • heading_level: for headings

Common Issues

IssueSolution
"java not found"Install JDK 11+ from adoptium.net
Slow repeated callsBatch files in single call; each spawns JVM
Poor table accuracyUse hybrid mode (--hybrid docling-fast)
Scanned PDF not extractedUse hybrid mode with --force-ocr
Non-English OCR not workSpecify --ocr-lang "zh,en"

Resources

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

98.44%
按下载量换算2,300

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills