This Claude skill is a comprehensive PDF processing and extraction tool that converts PDF documents into structured Markdown format. It solves the common challenge of accessing and repurposing data trapped in PDFs by supporting text extraction, figure detection, and citation mapping from local files, web URLs, and academic databases like PubMed.

When should I use pdf-reader?

pdf-reader is useful in the following scenarios: • Academic Research: Automatically fetch and extract full-text content, references, and metadata from scientific papers using PMIDs or direct URLs for literature reviews. • Knowledge Base Construction: Batch convert local PDF archives into structured Markdown to feed into RAG (Retrieval-Augmented Generation) systems or personal note-taking apps. • Technical Document Analysis: Identify and extract specific document elements such as figures, tables, and structured headers from complex technical manuals or reports. • Automated Data Entry: Streamline workflows by programmatically reading multiple PDF files in a directory and extracting key information without manual copy-pasting.

name	pdf-reader
description	\|
LOAD THIS SKILL WHEN	User says "讀取 PDF", "read PDF", "打開論文", "看這篇" \| has PDF file path \| needs to extract text from PDF.
CAPABILITIES	PDF to markdown conversion, text extraction, figure detection, citation extraction.

PDF 讀取技能 (PDF Reader)

描述

使用多種方法讀取 PDF 檔案並轉換為結構化文字，支援本地檔案和網路 URL。

觸發條件

「讀取 PDF」「打開這篇論文」「看這個檔案」
"read PDF", "open paper", "extract from PDF"
提供 PDF 檔案路徑或 URL

可用 Tools

MCP Tools (microsoft-mar)

Tool	用途	參數
`convert_to_markdown`	將 PDF 轉換為 Markdown	uri (file:// 或 http://)

MCP Tools (pubmed-search)

Tool	用途	參數
`get_article_fulltext_links`	取得全文連結	pmid

Python Scripts (可選)

# scripts/pdf_utils.py

import fitz  # PyMuPDF

def extract_text(pdf_path: str) -> str:
    """提取 PDF 文字"""
    doc = fitz.open(pdf_path)
    text = ""
    for page in doc:
        text += page.get_text()
    return text

def extract_images(pdf_path: str, output_dir: str) -> list:
    """提取 PDF 圖片"""
    # ...實作
    pass

def extract_references(pdf_path: str) -> list:
    """提取參考文獻"""
    # ...實作
    pass

執行流程

1. 本地 PDF 讀取

用戶提供本地路徑: C:\papers\article.pdf
    ↓
convert_to_markdown(uri="file:///C:/papers/article.pdf")
    ↓
返回 Markdown 格式文字

2. 網路 PDF 讀取

用戶提供 URL 或 PMID
    ↓
(如果是 PMID) get_article_fulltext_links(pmid)
    ↓
取得 PDF URL
    ↓
convert_to_markdown(uri="https://...")
    ↓
返回 Markdown 格式文字

3. 批次處理模式

# 處理多個 PDF
pdf_files = [
    "C:/papers/paper1.pdf",
    "C:/papers/paper2.pdf",
    "C:/papers/paper3.pdf"
]

for pdf in pdf_files:
    content = convert_to_markdown(uri=f"file:///{pdf}")
    save_to_notes(content, pdf)
    # Checkpoint: 記錄處理進度
    update_checkpoint(processed=pdf)

輸出格式

## PDF 讀取結果

**檔案**: article.pdf
**頁數**: 12
**處理時間**: 3.2s

---

### 提取內容

# [論文標題]

## Abstract
[摘要內容...]

## Introduction
[介紹內容...]

## Methods
[方法內容...]

## Results
[結果內容...]

## Discussion
[討論內容...]

## References
1. Author et al. (2024). Title...
2. ...

---

### 圖表清單

| 圖表 | 頁碼 | 說明 |
|------|------|------|
| Figure 1 | p.3 | Study flowchart |
| Table 1 | p.5 | Baseline characteristics |

使用範例

範例 1：本地 PDF

用戶：「讀取 C:\papers\remimazolam-study.pdf」
執行：convert_to_markdown(uri="file:///C:/papers/remimazolam-study.pdf")

範例 2：從 PMID 取得 PDF

用戶：「讀取 PMID 38353755 的全文」
執行：
1. get_article_fulltext_links(pmid="38353755")
2. convert_to_markdown(uri=pmc_url)

範例 3：批次讀取

用戶：「讀取 papers/ 資料夾中的所有 PDF」
執行：
1. 列出資料夾中的 PDF 檔案
2. 迴圈處理每個檔案
3. 建立 Checkpoint 追蹤進度

錯誤處理

錯誤	處理方式
PDF 加密	提示用戶提供密碼或使用其他版本
圖片 PDF (掃描)	提示需要 OCR，建議使用其他工具
網路錯誤	重試 3 次，失敗後提示用戶下載

pdf-reader

When & Why to Use This Skill

Use Cases