К основному содержанию
скилл Claude Code CX Codex Cursor GitHub Copilot

paddleocr-doc-parsing — скилл для Claude Code: функции и установка

Скилл извлекает структурированный Markdown и JSON из документов PDF и сканов. Переводит таблицы по ячейкам, формулы в LaTeX и сохраняет порядок чтения.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add PaddlePaddle/PaddleOCR --skill paddleocr-doc-parsing -a claude-code
Открыть на GitHub

Что делает paddleocr-doc-parsing

Скилл передаёт PDF-файлы и изображения документов в интерфейс PaddleOCR через вызов командной строки. На выходе получается форматированный Markdown или JSON. Инструмент переносит таблицы и формулы в синтаксисе LaTeX, сохраняя порядок чтения.

Для запуска требуется бинарник paddleocr и переменная окружения PADDLEOCR_ACCESS_TOKEN. Без действующего токена сервис вернёт ошибку авторизации. Утилиту ставят через менеджер uv. Предобработку вроде выравнивания разворотов можно отключить специальными флагами, если документ отсканирован ровно.

Запросы к API ограничены лимитами квот, поэтому при частых вызовах процесс прервётся. Обработка файлов с диаграммами требует сетевого доступа к сервису.

Какие задачи решает

  • Перевести таблицы из финансового отчёта в Markdown с точностью до ячеек
  • Распознать математические формулы из научной статьи в синтаксис LaTeX
  • Разобрать многоколоночный макет статьи с сохранением порядка чтения
  • Преобразовать сканы счетов и диаграмм в структурированный JSON

Примеры запросов агенту

  • Распарси локальный документ ./document.pdf через paddleocr и переведи его в Markdown
  • Извлеки таблицы и формулы LaTeX из файла report.pdf по ссылке

Как установить paddleocr-doc-parsing

1Через Skills CLI (Vercel)

npx skills add PaddlePaddle/PaddleOCR --skill paddleocr-doc-parsing -a claude-code

2Вручную: положить файлы

~/.claude/skills/paddleocr-doc-parsing/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/paddleocr-doc-parsing/

Похожие

retrieving-developer-knowledge официальный Google LLC Ищет и обобщает официальную документацию Google для Cloud, Gemini, Android, Firebase и других платформ. Подойдёт для вопросов по API, IAM и gcloud. Claude Code Gemini CLI CX Codex 4 100установок signature-request официальный anthropics Подготавливает договоры к электронному подписанию, сверяет чек-лист перед отправкой и выстраивает очередь подписантов. Помогает передать финальный документ на исполнение. Claude Code CX Codex Cursor +1 2 700установок digest официальный anthropics Собирает ежедневный или недельный дайджест из подключённых источников: упоминания, задачи, решения и обновления документов. Пригодится, когда нужно быстро восстановить контекст. Claude Code CX Codex Cursor +1 2 700установок cmux-localization manaflow-ai Скилл для проверки и управления переводами пользовательских строк в интерфейсе. Запускает аудит каждый раз, когда вы меняете текст кнопок, меню, подсказок или сообщений об ошибках. Claude Code CX Codex Cursor +1 4 700установок docx nexu-io Скилл для создания, редактирования и анализа Word-документов с отслеживанием изменений, комментариями и форматированием. Пригодится для дизайн-брифов, копирайт-документов и материалов, готовых к согласованию. Claude Code CX Codex Cursor +1 3 000установок copywriting nexu-io Создаёт и переписывает маркетинговые тексты для посадочных страниц, главных экранов и рекламы. Помогает работать над запусками в роли выпускающего редактора. Claude Code CX Codex Cursor +1 3 000установок grill-with-docs Matt Pocock Скилл проводит жёсткое интервью по плану или дизайну и по ходу создаёт ADR и глоссарий. Подойдёт перед началом сложной разработки. Claude Code 1 219 756установок skill-creator официальный anthropics Помогает создать новый скилл, доработать существующий и проверить результат через тестовые промпты и оценки. Claude Code Claude.ai 414 180установок

Вопросы о paddleocr-doc-parsing

Как установить paddleocr-doc-parsing в Claude Code?

Выполните в терминале команду npx skills add PaddlePaddle/PaddleOCR --skill paddleocr-doc-parsing -a claude-code. Для работы утилиты также нужен установленный пакет paddleocr и переменная окружения PADDLEOCR_ACCESS_TOKEN.

Что делает скилл paddleocr-doc-parsing?

Он запускает распознавание структуры документов через PaddleOCR API. Скилл извлекает таблицы по ячейкам, формулы в формате LaTeX, диаграммы и текстовые блоки с сохранением исходного порядка чтения.

Когда можно отключить предварительную обработку изображений?

Параметры устранения перекосов и классификации ориентации можно выключить для ровных сканов и скриншотов. Это ускорит обработку, но для изогнутых страниц или фото под углом предобработку следует оставить включённой.

Исходный текст

SKILL.md · Apache-2.0
---
name: paddleocr-doc-parsing
description: >-
  Use this skill to extract structured Markdown/JSON from PDFs and document images—tables with
  cell-level precision, formulas as LaTeX, figures, seals, charts, headers/footers, multi-column
  layout and correct reading order.
  Trigger terms: 文档解析, 版面分析, 版面还原, 表格提取, 公式识别, 多栏排版, 扫描件结构化,
  发票, 财报, 复杂 PDF, PDF转Markdown, 图表, 阅读顺序; reading order, formula, LaTeX,
  layout parsing, structure extraction, PP-StructureV3, PaddleOCR-VL.
license: Apache-2.0
metadata:
  openclaw:
    requires:
      env:
        - PADDLEOCR_ACCESS_TOKEN
      bins:
        - paddleocr
    primaryEnv: PADDLEOCR_ACCESS_TOKEN
    emoji: "📄"
    install:
      - kind: uv
        package: paddleocr
        bins: [paddleocr]
---

# PaddleOCR Document Parsing

## When to Use This Skill

**Use this skill for**:

- Documents with tables (invoices, financial reports, spreadsheets)
- Documents with mathematical formulas (academic papers, scientific documents)
- Documents with charts and diagrams
- Multi-column layouts (newspapers, magazines, brochures)
- Complex document structures requiring layout analysis

## Usage

### Basic Document Parsing

From URL:

```bash
paddleocr api \
  --model_type doc_parsing \
  --file_url "https://example.com/report.pdf"
```

From local file:

```bash
paddleocr api \
  --model_type doc_parsing \
  --file_path "./document.pdf"
```

### Common Options

```bash
# With specific model
paddleocr api \
  --model_type doc_parsing \
  --model PP-StructureV3 \
  --file_path "./report.pdf"

# Disable preprocessing (faster, for flat/well-oriented images)
paddleocr api \
  --model_type doc_parsing \
  --file_path "./document.pdf" \
  --use_doc_unwarping False \
  --use_doc_orientation_classify False

# With page ranges
paddleocr api \
  --model_type doc_parsing \
  --file_path "./large.pdf" \
  --page_ranges "1-5,10,15-20"

# Save result and resources
paddleocr api \
  --model_type doc_parsing \
  --file_url "https://..." \
  --output result.json \
  --save_resources ./resources

# Prettify markdown output
paddleocr api \
  --model_type doc_parsing \
  --file_path "./document.pdf" \
  --prettify_markdown True
```

### Output Format

```json
{
  "jobId": "job-xxx",
  "pages": [
    {
      "markdownText": "# Title\n\nContent...",
      "markdownImages": {
        "img1": "https://...",
        "img2": "https://..."
      },
      "outputImages": {
        "layout1": "https://..."
      }
    }
  ]
}
```

## Important Notes

**Preprocessing options**: For flat, well-oriented images (screenshots, properly scanned documents), you can disable preprocessing for faster results:

```bash
paddleocr api --model_type doc_parsing --file_path "./document.pdf" --use_doc_unwarping False --use_doc_orientation_classify False
```

Keep preprocessing enabled when:
- The input is a photo of a curved or folded document
- The document has significant perspective distortion
- Orientation is uncertain (rotated 90/180/270 degrees)

**Display complete results**: Always show the full extracted content to users. Do not truncate with "..." unless content exceeds 10,000 characters. When multiple pages are processed, summarize if needed but provide complete results when explicitly requested.

**Handle errors gracefully**: When the CLI returns an error, inform the user of the specific issue rather than silently failing. Common errors:
- Authentication: `PADDLEOCR_ACCESS_TOKEN` invalid or missing
- Quota: API rate limit exceeded
- No content detected: Document may be blank or contain no extractable text

## CLI Reference

Run `paddleocr api --help` for all options.

For full documentation, see: [PaddleOCR Official Documentation](https://www.paddleocr.ai/latest/en/version3.x/inference_deployment/serving/paddleocr_official_api/cli.html)

© PaddlePaddle · Apache-2.0 · PaddlePaddle/PaddleOCR

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой