核心用法
PDF Reader Skill 是一款专为 OpenClaw 设计的 PDF 文本提取工具，基于 PyMuPDF（fitz）库实现。用户可通过命令行指定 PDF 文件路径及页数范围，快速提取文档文本内容，并可选输出为结构化 JSON 格式，便于后续 AI 处理与分析。
基本命令结构：
python pdf_reader.py <文件路径> <页数> [--output=<输出文件>]
工具默认提取前 10 页，支持自定义页数，并通过 --output 参数将结果持久化至 JSON 文件。
显著优点
1. 兼容性强：PyMuPDF 支持各类 PDF 文档，包括扫描件（OCR 层）、加密文档（需密码）及复杂排版文件
2. 性能优异：C 语言底层实现，大文件处理速度快，内存占用相对合理
3. 元数据提取：自动获取文档标题、作者、创建日期等元信息
4. 编码智能处理：自动识别并转换多种字符编码，减少乱码问题
5. AI 友好输出：JSON 格式便于直接喂入 LLM 进行摘要、问答或知识抽取
潜在缺点与局限性
| 限制类型 | 具体说明 |
|---------|---------|
| 路径限制 | 仅允许当前工作目录内的文件操作，无法处理跨目录或网络路径 |
| 页数限制 | 无内置上限控制，一次性提取过多页面可能导致内存峰值 |
| 格式丢失 | 纯文本提取会丢弃表格结构、图片、字体样式等版式信息 |
| 扫描件依赖 | 无 OCR 引擎，纯图像 PDF 需预先嵌入文本层 |
| 无并发设计 | 单线程处理，批量任务效率受限 |
适合人群
- AI 开发者：需要为 RAG 系统准备文档输入管道
- 数据分析师：批量提取报告、论文中的可分析文本
- 自动化运维：构建文档处理工作流的一环
- 安全敏感环境：需在受限文件系统内操作 PDF 的场景
常规风险
- 本地文件系统暴露：虽然限制了路径遍历，但仍需确保工作目录本身无敏感文件
- 大文件 DoS：恶意构造的大页数 PDF 可能触发内存耗尽
- 依赖供应链：PyMuPDF 更新频繁，需锁定版本避免破坏性变更
- 隐私合规：提取的文本可能包含 PII，JSON 输出需额外脱敏处理