AI导哈

PDF文本提取服务

该服务通过MCP服务器赋予LLMs读取PDF文件的能力，能够提取文本、表格和结构化内容，并以纯文本、Markdown或CSV格式返回。

  • by yosephbernandus
  • Rust
  • 本地部署
  • 更新于
在 GitHub 查看 yosephbernandus/pdf-text-extract-mcp

使用说明

pdf文本提取mcp

MCP服务器，使LLM能够读取PDF文件。从PDF中提取文本、表格和结构化内容，并将其以纯文本、Markdown或CSV格式返回。

建立在 pdf文本摘录 和那个 模型上下文协议.以零运行时依赖性的单个二进制文件形式发布。

安装

安装脚本（macOS/Linux）

curl -fsSL https://raw.githubusercontent.com/yosephbernandus/pdf-text-extract-mcp/master/install.sh | sh

货物（需要防锈）

cargo install pdf-text-extract-mcp

手动下载

从以下网址下载适用于您平台的二进制文件 发布 页面：

平台 二进制
Linux x86_64 pdf-mcp-linux-x86_64
Linux ARM64 pdf-mcp-linux-aarch64
macOS英特尔 pdf-mcp-darwin-x86_64
macOS苹果硅 pdf-mcp-darwin-aarch64
Windows x86_64 pdf-mcp-windows-x86_64.exe

然后使其可执行并将其移动到PATH：

chmod +x pdf-mcp-*
sudo mv pdf-mcp-* /usr/local/bin/pdf-mcp

使用Claude代码进行设置

claude mcp add pdf-text-extract -- pdf-mcp

如果将二进制文件安装到自定义位置：

claude mcp add pdf-text-extract -- /path/to/pdf-mcp

工具

pdf_to_text

将PDF中的所有文本提取为纯文本（具有标题、段落和表格的布局感知）。

{ "file_path": "/path/to/file.pdf" }

pdf_to_markdown

使用Markdown从PDF中提取所有文本 # 标题和 | 桌子。最适合报告和发票等结构化文档。

{ "file_path": "/path/to/file.pdf" }

pdf_to_csv

将PDF中的所有文本提取为CSV。最适合银行对账单和交易列表等表格PDF。

{ "file_path": "/path/to/file.pdf" }

pdf_page_count

获取PDF中的页数。

{ "file_path": "/path/to/file.pdf" }

pdf_extract_page

以指定格式提取单个页面。适用于需要一次处理一页的大型PDF。

{ "file_path": "/path/to/file.pdf", "page": 0, "format": "markdown" }
  • page 为0索引
  • format 接受 "text", "markdown"，或 "csv"

从源头构建

git clone https://github.com/yosephbernandus/pdf-text-extract-mcp.git
cd pdf-text-extract-mcp
cargo build --release

二进制文件将位于 target/release/pdf-mcp.

许可证

麻省理工学院

相关 MCP