PDF Reader PDF ファイルをテキスト抽出して Markdown 形式に変換するスキルです。 クイックスタート 基本的な使い方

WSL環境でPythonスクリプトを実行

wsl python3 scripts/read_pdf.py "/mnt/c/path/to/file.pdf" Markdown形式で保存 スクリプトでテキスト抽出 Write ツールで .md ファイルに保存 前提条件 pdfplumber パッケージが必要です： wsl pip3 install pdfplumber 使用例 例1: PDF ファイルを読み込んで内容を表示 User: "C:\Users\keita\repos\guideline.pdf を読み込んで" Assistant: 1. Windowsパスを WSL パスに変換: /mnt/c/Users/keita/repos/guideline.pdf 2. wsl python3 scripts/read_pdf.py を実行 3. 抽出されたテキストを Markdown 形式で表示 例2: PDF を Markdown に変換して保存 User: "ガイドライン.pdf を Markdown に変換して保存" Assistant: 1. scripts/read_pdf.py でテキスト抽出 2. Markdown形式で構造化（ページごとに見出し、テーブルも含む） 3. Write ツールで ガイドライン.md に保存 4. 保存完了を報告 ワークフロー 単一ファイルの読み込み ユーザーが PDF ファイルパスを指定 Windows パスを WSL パス形式に変換 ( C:\ → /mnt/c/ ) wsl python3 scripts/read_pdf.py を実行 抽出されたテキストを Markdown 形式で表示または保存 複数ファイルの一括処理 Glob で .pdf ファイルを検索 各ファイルに対してスクリプトを実行 結果をまとめて報告 出力形式 Markdown 構造

[PDFファイル名] ** Total Pages: ** 10

Page 1 [ページ1のテキスト内容]

Tables ** Table 1: ** | 列1 | 列2 | 列3 | |

|

|

| | データ1 | データ2 | データ3 |

Page 2 [ページ2のテキスト内容]

スクリプト詳細 Python スクリプトは scripts/read_pdf.py に配置されています。 主な機能: ページごとのテキスト抽出 テーブルの Markdown 化 複数ページの構造化 エラーハンドリング 使い方: python scripts/read_pdf.py < file_path

対応機能 ✅ テキスト抽出（全ページ） ✅ テーブルの Markdown 化 ✅ ページ番号の保持 ✅ 構造化された出力 ⚠️ 画像からのテキスト抽出（OCR未対応） ⚠️ 複雑なレイアウトは簡略化 制限事項 スキャンされた PDF（画像のみ）からはテキスト抽出不可 OCR 機能は含まれません 複雑なレイアウトは簡略化されます フォント情報、色などのスタイルは失われます 埋め込みオブジェクトは抽出されません トラブルシューティング pdfplumber がインストールされていない wsl pip3 install pdfplumber テキストが抽出されない PDF がスキャン画像の可能性があります（OCR が必要） PDF が暗号化されている可能性があります テキストレイヤーがない PDF かもしれません 文字化けする

日本語対応の確認

wsl locale

UTF-8 が含まれていることを確認

メモリ不足エラー

大きな PDF ファイルの場合、ページごとに分割して処理することを検討してください。

パス変換

Windows パスから WSL パスへの変換：

C:\Users...

→

/mnt/c/Users/...

D:\Projects...

→

/mnt/d/Projects/...

バックスラッシュ

\

をスラッシュ

/

に変換

関連ツール

PyPDF2

軽量な代替ライブラリ

pdfminer.six

より詳細な制御が必要な場合

Camelot

テーブル抽出特化

OCRmyPDF

スキャン PDF に OCR を適用 高度な使い方 特定のページのみ抽出 スクリプトを修正して pdf.pages[0:5] のようにスライスを使用できます。 テーブルのみ抽出 スクリプト内の extract_tables() 部分のみを使用します。 OCR が必要な場合 pytesseract と pdf2image を組み合わせて使用します（別スキルとして作成推奨）。 バージョン履歴 v1.0.0 (2026-01-06): 初期リリース 基本的なテキスト抽出機能 テーブル Markdown 化対応 WSL環境での動作 ページごとの構造化