pdf-processor
# PDF 处理器
本技能使用MiniMax AI模型处理PDF文件并提取内容（文本和图片）。
## 何时调用
在以下情况下调用此技能：
- 用户想要从PDF文件中提取文本
- 用户想要从PDF中提取并分析图片
- 用户要求处理或分析PDF文档
- 用户提到PDF内容提取
- 用户需要将PDF内容转换为结构化数据
## 前置要求
使用此技能前，请确保：
1. **MiniMax API密钥**：设置环境变量 `MINIMAX_API_KEY` 或 `MINIMAX_GROUP_ID` 和 `MINIMAX_API_KEY`
2. **必需的Python包**：如果尚未安装，请安装以下包：
```bash
pip install pymupdf # 用于PDF处理
pip install minimax-client # MiniMax SDK
pip install pillow # 用于图片处理
```
## 使用说明
### 步骤1：读取PDF文件
使用PyMuPDF（fitz）打开并读取PDF：
```python
import fitz # PyMuPDF
def extract_pdf_content(pdf_path):
"""从PDF中提取文本和图片。"""
doc = fitz.open(pdf_path)
content = {
'text': [],
'images': []
}
for page_num in range(len(doc)):
page = doc[page_num]
# 提取文本
text = page.get_text()
if text.strip():
content['text'].append({
'page': page_num + 1,
'text': text
})
# 提取图片
images = page.get_images()
for img_index, img in enumerate(images):
xref = img[0]
base_image = doc.extract_image(xref)
image_bytes = base_image["image"]
# 保存或处理图片
content['images'].append({
'page': page_num + 1,
'index': img_index,
'bytes': image_bytes,
'ext': base_image["ext"]
})
doc.close()
return content
```
### 步骤2：使用MiniMax模型进行分析
使用MiniMax的视觉模型分析提取的内容：
```python
import base64
from minimax import MiniMax
# 初始化MiniMax客户端
client = MiniMax(
api_key=os.environ.get("MINIMAX_API_KEY"),
group_id=os.environ.get("MINIMAX_GROUP_ID")
)
def analyze_with_minimax(text=None, image_bytes=None, prompt=None):
"""使用MiniMax模型分析内容。"""
messages = []
# 准备内容
content = []
if text:
content.append({"type": "text", "text": text})
if image_bytes:
# 将图片转换为base64
base64_image = base64.b64encode(image_bytes).decode('utf-8')
content.append({
"type": "image_url",
"image_url": {
"url": f"data:image/jpeg;base64,{base64_image}"
}
})
if prompt:
content.insert(0, {"type": "text", "text": prompt})
messages.append({
"role": "user",
"content": content
})
# 调用MiniMax API
response = client.chat.completions.create(
model="abab6.5s-chat", # 或适当的视觉模型
messages=messages
)
return response.choices[0].message.content
```
### 步骤3：完整工作流程
结合提取和分析：
```python
def process_pdf(pdf_path, analysis_prompt="请分析这个PDF的内容"):
"""完整的PDF处理工作流程。"""
# 步骤1：提取内容
content = extract_pdf_content(pdf_path)
results = {
'text_analysis': [],
'image_analysis': []
}
# 步骤2：分析文本
for text_item in content['text']:
analysis = analyze_with_minimax(
text=text_item['text'],
prompt=f"{analysis_prompt}\n\n文本内容：\n{text_item['text']}"
)
results['text_analysis'].append({
'page': text_item['page'],
'analysis': analysis
})
# 步骤3：分析图片
for img_item in content['images']:
analysis = analyze_with_minimax(
image_bytes=img_item['bytes'],
prompt="请描述这张图片的内容"
)
results['image_analysis'].append({
'page': img_item['page'],
'analysis': analysis
})
return results
```
## 使用示例
```python
# 处理PDF文件
pdf_path = "/path/to/document.pdf"
results = process_pdf(pdf_path, "请总结这个文档的主要内容")
# 打印结果
for item in results['text_analysis']:
print(f"第{item['page']}页：{item['analysis']}")
for item in results['image_analysis']:
print(f"第{item['page']}页图片：{item['analysis']}")
```
## 重要注意事项
1. **API限制**：MiniMax API可能有速率限制。对于大型PDF，请实现适当的延迟。
2. **图片大小**：大型图片在发送到API之前可能需要调整大小。
3. **成本**：处理包含大量图片的大型文档时，请注意API成本。
4. **错误处理**：始终为API调用和文件操作实现适当的错误处理。
5. **隐私**：确保根据隐私要求处理敏感的PDF内容。
## 可选模型
MiniMax提供不同的模型。根据您的需求选择：
- `abab6.5s-chat`：快速、高效，适合文本分析
- `abab6.5g-chat`：更强大的复杂推理能力
- 视觉模型：用于图片分析（查看MiniMax文档获取当前视觉模型名称）
## 故障排除
1. **API密钥问题**：验证您的MiniMax API密钥设置正确
2. **图片格式**：确保图片为支持的格式（JPEG、PNG）
3. **内存问题**：对于大型PDF，分批处理页面
4. **超时错误**：增加超时设置或减少内容大小
标签
skill
ai
