據 AlphaMoat 統計,截至 2026-09,PDF OCR Using Gemini LLM 累計下載 1,456 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 4,791 位,在「辦公效率」分類(435 個)中排名第 393 位。

累計安裝

305

累計下載

1456

星標

全站排名

#4,791

全站前 95% · 「辦公效率」前 91%

平台	累計安裝	累計下載	星標	評論
ClawHub ↗	23	926	-	-
SkillHub ↗	305	1456	-	—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

將 PDF 拆頁上傳 OCR，需 Google API 金鑰和 Python 依賴。可限制頁數、返回文字或 JSON 並寫檔案。需批准文件外部處理，隔離依賴並檢查輸出路徑和識別文字。

資料釋出於 2026-10-27

可以用來做什麼

提取獲准 PDF 文字

什麼時候用

可接受 Google OCR 處理時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

按頁數上限和輸出路徑規劃 OCR，說明整頁上傳。

月度資料趨勢

累計下載1456

星標-

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份	累計下載	環比	星標
2026-09	1456	—	-
2026-08	1183	+7.7%	-
2026-07	1098	+14.9%	-
2026-06	956	+9.9%	-
2026-05	870	—	-
2026-03	549	—	-

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

2.0 KB · ClawHub v0.1.7

---
name: PDF OCR using Gemini LLM
description: Extract text from PDFs using Google Gemini OCR. Use when extracting text from PDFs, performing OCR on scanned documents, or processing image-based PDFs.
metadata:
  openclaw:
    requires:
      env:
        - GOOGLE_API_KEY
    primaryEnv: GOOGLE_API_KEY
    install:

展開全部(共 63 行)

      - kind: uv
        package: google-genai
        label: "Python deps"
      - kind: uv
        package: pymupdf
      - kind: uv
        package: pydantic
      - kind: uv
        package: pydantic-settings
---

## Purpose

Use geminipdfocr to extract text from PDF documents via OCR (Google Gemini).

## Data and privacy

**Full page images/files are sent to Google's API.** PDFs are split into single-page files and each page is uploaded to Google Gemini for OCR. There are no hidden exfiltration endpoints or other data collection. Do not use with highly sensitive documents unless you accept that content is sent to Google.

## Setup (venv installation)

Before first use, create and activate the virtual environment:

```bash
cd geminipdfocr && python -m venv venv && source venv/bin/activate && pip install -r requirements.txt
```

Set `GOOGLE_API_KEY` in your environment before running (e.g. `export GOOGLE_API_KEY=your-key`).

## How to use

When requested to extract text or perform OCR on a PDF:

1. Run: `cd geminipdfocr && source venv/bin/activate && python -m geminipdfocr <path-to-pdf> [--json] [--output <file>]`
2. Use `--json` for structured data.
3. Use `--max-pages N` for testing or very long documents.
4. Use `--quiet` to suppress progress logs.

## Requirements

- A valid PDF file path.
- `GOOGLE_API_KEY` set in the process environment (e.g. `export GOOGLE_API_KEY=your-key`).

## CLI options

| Option | Description |
|--------|-------------|
| `pdf_path` | One or more PDF file paths (positional) |
| `--max-pages N` | Limit pages per PDF |
| `--json` | Output structured JSON instead of plain text |
| `--output FILE` | Write result to file (default: stdout) |
| `--quiet` | Suppress INFO/DEBUG logs |