据 AlphaMoat 统计,截至 2026-09,PDF OCR Using Gemini LLM 累计下载 1,456 次、获 0 个星标,在全部 5,078 个 AI 技能中排名第 4,791 位,在「办公效率」分类(435 个)中排名第 393 位。

累计安装

305

累计下载

1,456

星标

全站排名

#4,791

全站前 95% · 「办公效率」前 91%

平台	累计安装	累计下载	星标	评论
ClawHub ↗	23	926	-	-
SkillHub ↗	305	1,456	-	—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

将 PDF 拆页上传 OCR，需 Google API 密钥和 Python 依赖。可限制页数、返回文字或 JSON 并写文件。需批准文档外部处理，隔离依赖并检查输出路径和识别文字。

资料发布于 2026-10-27

可以用来做什么

提取获准 PDF 文字

什么时候用

可接受 Google OCR 处理时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

按页数上限和输出路径规划 OCR，说明整页上传。

月度数据趋势

累计下载1,456

星标-

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份	累计下载	环比	星标
2026-09	1,456	—	-
2026-08	1,183	+7.7%	-
2026-07	1,098	+14.9%	-
2026-06	956	+9.9%	-
2026-05	870	—	-
2026-03	549	—	-

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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:

展开全部(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 |