AI导哈

PDF文本提取服务器

一个基于Model Context Protocol (MCP)的PDF文本提取服务器，提供文本内容提取、表格提取和PDF基本信息获取功能。

  • by gstiebler
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 gstiebler/pdf-mcp-server

使用说明

PDF MCP服务器

一个简单的模型上下文协议（MCP）服务器，使用pdfplumber提供PDF读取功能。

特性

  • 提取文本：从PDF文件中提取所有文本内容
  • get_pdf_info：获取基本的PDF信息（页数、元数据、尺寸）
  • 可提取表：从PDF文件中提取表格

安装

选项1：不安装（使用uvx）

您可以直接运行服务器，而无需安装：

uvx --from git+https://github.com/gstiebler/pdf-mcp-server.git pdf-mcp-server

选项2：本地安装

克隆存储库并安装依赖项：

git clone https://github.com/gstiebler/pdf-mcp-server.git
cd pdf-mcp-server
uv sync

用法

如果本地安装：

python main.py

服务器使用stdio传输运行，可以与任何MCP客户端集成。

可用工具

提取文本

从PDF文件中提取所有文本内容。

参数：

  • file_path （string）：PDF文件的路径

退货：

  • 所有页面的完整文本内容

get_pdf_info

获取PDF文件的基本信息。

参数：

  • file_path （string）：PDF文件的路径

退货：

  • 词典包含：
    • page_count：页数
    • metadata：PDF元数据（如果可用）
    • page_dimensions：第一页的宽度和高度

可提取表

从PDF文件中提取表格。

参数：

  • file_path （string）：PDF文件的路径
  • page_number （整数，可选）：要提取的特定页码（1-索引）

退货：

  • 包含以下内容的表格列表：
    • page：找到表格的页码
    • data：表数据为行列表（每行是单元格值列表）

与Claude Desktop集成

要将此服务器与Claude Desktop一起使用，请将其添加到您的Claude Desktop配置中：

选项1：直接从GitHub（推荐）

{
  "mcpServers": {
    "pdf-reader": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/gstiebler/pdf-mcp-server.git", "pdf-mcp-server"]
    }
  }
}

选项2：从本地安装

{
  "mcpServers": {
    "pdf-reader": {
      "command": "python",
      "args": ["/path/to/pdf-mcp-server/main.py"]
    }
  }
}

需求

  • Python 3.10+
  • PDFPlumber公司
  • 主控程序

相关 MCP