doc-ocr
文档文字识别。用户提供 PDF/扫描件/图片（合同、发票、书页、截图），需要提取文字、转成可编辑文本时使用。扫描件自动 OCR（macOS Vision，中英文）。Document OCR: extract editable text from PDFs, scans, and images (contracts, invoices, book pages, screenshots) via macOS Vision.
Source facts
- Repository
- davepoon/buildwithclaude
- Last source activity
- August 21, 2026 at 06:58
- Detected SKILL.md language
- Chinese
- Stars
- 3,565
- Forks
- 539
Install options
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Review the source files
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
File Explorer
2 filesShowing SKILL.md
SKILL.md
Source instructions · Read-only preview- name
- doc-ocr
- description
- 文档文字识别。用户提供 PDF/扫描件/图片（合同、发票、书页、截图），需要提取文字、转成可编辑文本时使用。扫描件自动 OCR（macOS Vision，中英文）。Document OCR: extract editable text from PDFs, scans, and images (contracts, invoices, book pages, screenshots) via macOS Vision.
- category
- document-processing
- license
- MIT
# Doc-OCR 文档文字识别
PDF / 扫描件 / 图片 → 可编辑文字。有文字层的 PDF 直接提取，扫描件自动 OCR（macOS Vision 自带，中英文）。
## 触发条件
用户提供 PDF/图片文件，要求：
- "提取文字""转文字""OCR"
- 处理扫描件、合同、发票、书页、截图
## 使用步骤
### 1. 单个文件
```bash
python3 scripts/dococr.py 合同.pdf
python3 scripts/dococr.py 发票.jpg
```
输出保存为 `<输入名>_ocr.txt`。
### 2. 批量目录
```bash
python3 scripts/dococr.py ./扫描件/ -o 全部.txt
```
### 3. Markdown 输出
```bash
python3 scripts/dococr.py 书.pdf --md
```
## 依赖（首次使用时安装）
```bash
pip3 install pymupdf pyobjc-framework-Vision
```
**注意**：OCR 依赖 macOS Vision（仅 macOS 可用）。Linux 需另装 tesseract 等引擎。
## 已知陷阱
- **扫描件判定**：PDF 文字层 <20 字自动走 OCR，正常 PDF 直接提取。
- **手写体**：Vision 对印刷体/清晰手写效果好，潦草手写不保证。
- **隐私卖点**：文件在本机处理，不上传第三方。
View on GitHub