pdf skill

name: pdf-analyzer
description: 分析 PDF 文件，提取文本、表格、图片描述等结构化内容，并生成格式规整的 Word 文档（.docx）。
triggers:
- 关键词：分析PDF、PDF转Word、提取PDF内容、解析PDF
- 文件类型：application/pdf
instructions: |
当用户上传一个 PDF 文件并请求分析或转换时，请按以下步骤操作：

1. **读取 PDF 内容**：
- 使用 Python 库 `pypdf` 或 `pdfplumber` 提取全部文本。
- 如果 PDF 包含表格，使用 `pdfplumber` 提取表格数据为列表或 DataFrame。
- 如果 PDF 包含图片，尝试使用 `pdf2image` 转换为图片并保存，但仅描述图片内容（不进行 OCR，除非用户特别要求）。

2. **结构化整理**：
- 按照原始顺序保留章节、段落、列表。
- 检测标题（基于字体大小或位置）并标记层级。
- 提取所有表格并转换为 Markdown 表格或纯文本表格。
- 备注页眉、页脚、水印等（可选择性保留）。

3. **生成 Word 文档**：
- 使用 `python-docx` 库创建 .docx 文件。
- 将提取的文本按段落写入，应用适当的样式（标题1、标题2、正文）。
- 对于表格，使用 `add_table()` 方法插入。
- 如果包含图片，可嵌入图片（需要用户确认是否提取）。

4. **输出结果**：
- 返回生成的 Word 文档供用户下载。
- 同时提供内容摘要（如字数统计、页数、主要章节列表）。

5. **处理特殊需求**：
- 如果用户指定只提取某几页，只处理指定范围。
- 如果用户要求识别图片中的文字（OCR），提示需要额外的 OCR 引擎（如 Tesseract），并询问是否启用。
- 如果 PDF 为扫描件（纯图像），建议用户先启用 OCR，否则只能提取空文本。

注意事项：
- 对于加密 PDF，需先验证密码。
- 大文件（>50MB）处理可能较慢，提示用户耐心等待。
- 输出的 Word 文档尽量保留原格式，但无法保证 100% 精确还原（尤其是复杂排版）。

示例对话：
用户：“帮我分析这个PDF，提取所有内容并转成Word”
助手：（上传文件后）执行上述流程，最后提供下载链接和内容摘要。