Pdf Reader
- 524 installs
- Updated January 23, 2026
- childbamboo/claude-code-marketplace-sample
pdf-reader is a Claude Code marketplace sample skill that helps coding agents extract and work with PDF document content during AI and agent-building tasks.
About
Reads multi-page PDFs and extracts text and tables, converting to Markdown via a pdfplumber script. Used when a developer needs to read or convert PDF documents.
- Handles tables and multi-page PDFs
- Extracts text via pdfplumber to Markdown
Pdf Reader by the numbers
- 524 all-time installs (skills.sh)
- Ranked #148 of 688 Office & Documents skills by installs in the Skillselion catalog
- Data as of Jul 28, 2026 (Skillselion catalog sync)
npx skills add https://github.com/childbamboo/claude-code-marketplace-sample --skill pdf-readerAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 524 |
|---|---|
| Last updated | January 23, 2026 |
| Repository | childbamboo/claude-code-marketplace-sample ↗ |
How do agents read and parse PDF documents?
Extract text and tables from PDF files and convert them to Markdown using a pdfplumber script in WSL.
Who is it for?
Developers prototyping document-aware Claude Code agents that must ingest PDF specs, reports, or contracts.
Skip if: Production OCR pipelines, large-scale batch document indexing, or teams that only handle plain text or Markdown inputs.
When should I use this skill?
A developer asks an agent to read, summarize, or extract data from a PDF file during an AI or agent-building session.
What you get
Parsed PDF text, structured excerpts, and agent-ready document context from uploaded or referenced PDF files.
- Extracted PDF text
- Agent-ready document summaries
Files
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
1. スクリプトでテキスト抽出 2. 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
1. ユーザーが PDF ファイルパスを指定 2. Windows パスを WSL パス形式に変換 (C:\ → /mnt/c/) 3. wsl python3 scripts/read_pdf.py を実行 4. 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
1. Glob で .pdf ファイルを検索 2. 各ファイルに対してスクリプトを実行 3. 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
PDF Reader Skill
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。
ファイル構成
pdf-reader/
├── SKILL.md # メインスキル定義（Claude が読む）
├── README.md # このファイル（人間向けドキュメント）
└── scripts/
└── read_pdf.py # テキスト抽出用 Python スクリプトインストール
前提条件
- WSL (Windows Subsystem for Linux)
- Python 3.x
- pdfplumber パッケージ
セットアップ
# pdfplumber のインストール
wsl pip3 install pdfplumber使い方
Claude に以下のように依頼します：
「C:\Users\keita\repos\guideline.pdf を読み込んで」Claude が自動的に： 1. Windows パスを WSL パスに変換 2. スクリプトを実行してテキスト抽出 3. Markdown 形式で構造化 4. 結果を表示または Markdown ファイルとして保存
スクリプトの直接実行
# 基本的な使い方
wsl python3 scripts/read_pdf.py "/mnt/c/path/to/file.pdf"
# 出力をファイルに保存
wsl python3 scripts/read_pdf.py "/mnt/c/path/to/file.pdf" > output.md機能
テキスト抽出
- ✅ 全ページからテキスト抽出
- ✅ ページごとに構造化
- ✅ 見出しとして整理
- ❌ OCR 機能（未対応）
テーブル処理
- ✅ テーブルの自動検出
- ✅ Markdown テーブル形式に変換
- ✅ 複数テーブルの処理
- ⚠️ 複雑なレイアウトは簡略化
出力形式
- ✅ Markdown 形式
- ✅ ページ番号付き
- ✅ 階層構造
- ✅ テーブル対応
出力例
# document.pdf
**Total Pages:** 3
---
## Page 1
これはページ1のテキスト内容です。
### Tables
**Table 1:**
| ヘッダー1 | ヘッダー2 | ヘッダー3 |
| --- | --- | --- |
| データ1 | データ2 | データ3 |
---
## Page 2
これはページ2のテキスト内容です。
---トラブルシューティング
pdfplumber が見つからない
wsl pip3 install pdfplumberテキストが抽出できない
原因1: スキャン画像 PDF
- OCR が必要です
- 対策: OCR ツールで前処理するか、OCR 対応の別スキルを使用
原因2: 暗号化された PDF
- パスワード保護されている
- 対策: パスワードを解除してから実行
原因3: テキストレイヤーがない
- PDF にテキスト情報が埋め込まれていない
- 対策: OCR を使用
文字化けする
# ロケール設定を確認
wsl locale
# 必要に応じて UTF-8 を設定
export LANG=ja_JP.UTF-8大きな PDF でメモリ不足
- ページ数が多い場合は分割処理を検討
- スクリプトを修正してページ範囲を指定
開発
スクリプトの修正
scripts/read_pdf.py を編集して機能を追加・修正できます。
カスタマイズ例
特定ページのみ抽出
# ページ 1-5 のみ抽出
for page_num, page in enumerate(pdf.pages[0:5], start=1):
...テーブルのみ抽出
# テキストを無視してテーブルのみ
tables = page.extract_tables()テスト
# テスト用の PDF ファイルで動作確認
wsl python3 scripts/read_pdf.py "/mnt/c/path/to/test.pdf"関連スキル
- docx-reader: Word 文書の読み込み
- ocr-reader (未作成): スキャン画像からのテキスト抽出
技術詳細
使用ライブラリ
- pdfplumber: PDF からのテキスト・テーブル抽出
- 高精度なテキスト抽出
- テーブル構造の保持
- ページレイアウトの解析
アルゴリズム
1. PDF ファイルを開く 2. 各ページを順に処理 3. テキストを抽出 4. テーブルを検出・抽出 5. Markdown 形式に整形 6. 全体を結合
制限事項
- スキャン画像 PDF は非対応（OCR 必要）
- 複雑なレイアウトは簡略化される
- 画像、図形は抽出されない
- フォント・色などのスタイル情報は失われる
- 巨大な PDF はメモリ制約に注意
ライセンス
このスキルは個人プロジェクト用です。
バージョン
- 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
- WSL環境での動作確認済み
- ページごとの構造化出力
#!/usr/bin/env python3
"""
PDF Reader Script
Extracts text content from PDF files and converts to Markdown format.
"""
import sys
import os
try:
import pdfplumber
except ImportError:
print("Error: pdfplumber is not installed.")
print("Please install it with: pip install pdfplumber")
sys.exit(1)
def read_pdf(file_path):
"""
Read PDF file and extract text content.
Args:
file_path (str): Path to the PDF file
Returns:
str: Extracted text content in Markdown format
"""
try:
markdown_content = []
with pdfplumber.open(file_path) as pdf:
# Add document title
markdown_content.append(f"# {os.path.basename(file_path)}\n")
markdown_content.append(f"**Total Pages:** {len(pdf.pages)}\n")
markdown_content.append("---\n")
# Extract text from each page
for page_num, page in enumerate(pdf.pages, start=1):
markdown_content.append(f"## Page {page_num}\n")
# Extract text
text = page.extract_text()
if text:
markdown_content.append(text)
else:
markdown_content.append("*(No text content on this page)*")
# Extract tables
tables = page.extract_tables()
if tables:
markdown_content.append("\n### Tables\n")
for table_num, table in enumerate(tables, start=1):
markdown_content.append(f"\n**Table {table_num}:**\n")
markdown_content.append(format_table_as_markdown(table))
markdown_content.append("\n---\n")
return '\n'.join(markdown_content)
except FileNotFoundError:
return f"Error: File not found: {file_path}"
except Exception as e:
return f"Error reading PDF: {str(e)}"
def format_table_as_markdown(table):
"""
Format a table as Markdown.
Args:
table (list): Table data as list of lists
Returns:
str: Markdown formatted table
"""
if not table or not table[0]:
return ""
markdown_table = []
# Header row
header = table[0]
markdown_table.append("| " + " | ".join(str(cell) if cell else "" for cell in header) + " |")
# Separator row
markdown_table.append("| " + " | ".join("---" for _ in header) + " |")
# Data rows
for row in table[1:]:
markdown_table.append("| " + " | ".join(str(cell) if cell else "" for cell in row) + " |")
return "\n".join(markdown_table)
def main():
"""Main entry point for the script."""
if len(sys.argv) < 2:
print("Usage: python read_pdf.py <file_path>")
sys.exit(1)
file_path = sys.argv[1]
if not os.path.exists(file_path):
print(f"Error: File not found: {file_path}")
sys.exit(1)
if not file_path.lower().endswith('.pdf'):
print("Warning: File does not have .pdf extension")
content = read_pdf(file_path)
print(content)
if __name__ == "__main__":
main()
Related skills
Lark DocGenerate, update, and maintain structured documentation directly inside Lark/Feishu using natural language and agentic workflows.494kLark DriveLet their coding agents read, create, update and search documents stored in Lark (Feishu) Drive directly from prompts.493kLark SheetsConnect Claude, Cursor or other agents directly to Feishu/Lark spreadsheets for live data reads, writes, and structured automation.493kLark WikiGenerate, update, and sync structured knowledge bases inside Lark (Feishu) directly from code, specs, or agent output.493kLark WhiteboardGenerate, edit, and collaborate on visual diagrams and flowcharts directly inside Claude, Cursor or other agents.493kLark SlidesInstantly generate polished, professional slide decks from specs, roadmaps, or meeting notes using Lark/Feishu.493kFAQ
What does the pdf-reader skill do?
pdf-reader is a Claude Code marketplace sample skill that lets coding agents open PDF files, extract readable text and structure, and use that content during AI and agent-building tasks instead of ignoring binary attachments.
When should developers install pdf-reader?
Developers install pdf-reader when building document-aware agents that routinely consume PDF contracts, specifications, or reports and need a lightweight marketplace skill rather than a custom parser integration.