AI导哈

文档文本提取工具

一个用于从PDF、DOCX、DOC、PPTX、ODT和TXT等文档中提取文本内容的工具，支持本地文件、URL和Base64编码数据的处理。

  • by taigrr
  • Go
  • 本地部署
  • 更新于
在 GitHub 查看 taigrr/doc-mcp

使用说明

医生mcp

用于从文档中提取文本内容的MCP服务器。

支持格式

  • PDF -可移植文档格式
  • DOCX 文件 -微软Word（开放XML）
  • 文档 -Microsoft Word（旧版）
  • PPT文件 -Microsoft PowerPoint（开放XML）
  • 实验 -OpenDocument文本
  • 文本 -纯文本

安装

go install github.com/taigrr/doc-mcp@latest

用法

随着 心动

添加到您的Crush配置中：

{
  "mcp": {
    "doc-mcp": {
      "command": "doc-mcp"
    }
  }
}

工具

所有工具都支持分页，以管理大型文档并避免填充上下文。

crack_file

从本地文件中提取文本内容。

输入：

  • path （string，必填）：文档文件的路径
  • max_chars （int，可选）：返回的最大字符数（默认50000，使用-1表示无限制）
  • page （int，可选）：分页结果的页码（1-索引，默认1）
  • page_size （int，可选）：每页字符数（默认10000）

crack_url

从URL下载并提取文本内容。

输入：

  • url （字符串，必填）：要下载的文档的URL（仅限http/https）
  • max_chars （int，可选）：返回的最大字符数（默认50000，使用-1表示无限制）
  • page （int，可选）：分页结果的页码（1-索引，默认1）
  • page_size （int，可选）：每页字符数（默认10000）
  • max_download_mb （int，可选）：最大下载大小（MB）（默认10，最大100）

crack_base64

从base64编码的文档数据中提取文本。

输入：

  • data （字符串，必填）：Base64编码的文档内容（标准或URL安全）
  • max_chars （int，可选）：返回的最大字符数（默认50000，使用-1表示无限制）
  • page （int，可选）：分页结果的页码（1-索引，默认1）
  • page_size （int，可选）：每页字符数（默认10000）

默认值

设置 默认值 注释
max_chars 50000 使用-1表示无限制
page_size 10000 每页字符数
max_download_mb 10 MB 硬限制：100 MB

许可证

0BSD

相关 MCP