150-PDF阅读器

提取PDF文件和网络文本的内容，输出结构化的Markdown格式文本。

触发场景

当用户提到以下意图时使用本技能：

• 读取/提取/解析PDF内容
• 提取网页/网络文本内容
• 看看PDF里写了什么
• 把PDF转成文字
• 抓取网页正文

工作流程

1. 判断输入类型：用户提供了PDF文件路径还是网页URL
2. 如果是PDF文件：
• 调用 python3 scripts/main.py pdf <文件路径> 提取内容
• 支持纯文本PDF和含表格PDF
3. 如果是网页URL：
• 调用 python3 scripts/main.py url <网址> 提取正文
4. 将提取结果以Markdown格式返回给用户

输入格式

用户通过自然语言描述需求，可能附带：

• PDF文件路径（本地路径）
• 网页URL

输出格式

• 文本内容：以Markdown格式输出，保留原文段落结构
• 表格内容：以Markdown表格形式输出
• 如果提取失败，说明具体原因（文件不存在、加密、网页无法访问等）

边界情况

• 加密PDF：提示用户文件已加密，无法提取
• 扫描件PDF（纯图片）：提示用户此为图片PDF，文本提取可能不完整
• 网页需登录：提示用户网页需要认证，无法直接提取
• 大文件：提示文件较大，可能只提取前部分内容