WiseOCR — 将 PDF 或图片文件转换为高质量 Markdown 文本,支持表格完整识别、多栏版式还原、中英文混排。适用场景:扫描件文字提取、纸质文档数字化、合同/报告/论文转文本、图片中文字提取。支持格式:PDF、JPG、JPEG、PNG、WEBP、GIF、BMP、TIFF。触发:用户上传文件并要求"帮我识别这个文件的文字"、"PDF转文字"、"图片转文本"、"帮我提取这个表格"——会调用本技能。说"用Wi
QQ 隐私警告 : 重要 - 在 INSTALLING 之前读取是一项面向实际任务的技能,主要用于此技能将您的文件上传到 WiseDiag 的云端服务器, 用于 OCR 处理;切勿使用敏感或机密文件, 除非。
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
重要 — 安装前请务必阅读:
本技能会将您的文件上传至 WiseDiag 的云服务器进行 OCR 处理。
切勿将敏感或机密文档用于此技能,除非您满足以下条件:
对于敏感文档,请改用离线/本地 OCR 工具。
一款高精度 OCR 工具,可将单个 PDF 或图像文件转换为 Markdown 格式。处理完成后,Markdown 结果将自动保存至磁盘 — 无需额外执行保存操作。
支持的格式:PDF、jpg、jpeg、png、webp、gif、bmp、tiff。
pip install -r requirements.txt
获取您的 API 密钥: 👉 https://console.wisediag.com/apiKeyManage
API 密钥必须设置为环境变量,脚本将自动读取该变量。
export WISEDIAG_API_KEY=your_api_key
切勿直接调用任何 API 或 HTTP 端点。仅使用下方脚本。
步骤 1:设置 API 密钥(如尚未设置):
export WISEDIAG_API_KEY=your_api_key
步骤 2:使用输入文件运行脚本:
cd scripts # 单个 PDF 文件 python3 wiseocr.py -i "/path/to/input_filename.pdf" # 单个图像文件 python3 wiseocr.py -i "/path/to/scan.png"
重要提示:若输入文件已被复制或重命名(例如移至临时路径),请始终使用 -n 参数传入原始文件名(不含扩展名),以确保输出文件命名正确:
python3 wiseocr.py -i "/tmp/ocr_input.pdf" -n "my_report" # 输出保存至:~/.openclaw/workspace/WiseOCR/my_report.md
Markdown 结果将自动保存至 ~/.openclaw/workspace/WiseOCR/{name}.md,无需额外保存操作。
| 标志 | 说明 |
|---|---|
-i, --input |
输入文件:PDF 或图像 — 单个文件路径(必需) |
-n, --name |
输出文件名主干(当输入文件被重命名/复制时建议使用) |
-o, --output |
输出目录(默认:~/.openclaw/workspace/WiseOCR) |
--dpi |
PDF 渲染 DPI,取值范围 72–600(默认:200) |
您的文件将如何被处理:
对于敏感文档,请改用离线/本地 OCR 工具。
MIT
相关专题
热门下载
相关下载
精品课程
共13课时 | 3.7万人学习
共30课时 | 4.4万人学习
共10课时 | 1.5万人学习