pdf-parsinglisted

# PDF 解析 ## 目标 把 PDF 文档解析成本地可读取、可搜索、可复制的 Markdown，并抽取 PDF 中的图片资源。解析完成后，后续阅读应优先使用本地 Markdown 文件；重复调用 `structai.read_pdf` 也会优先复用本地解析结果，不会在本地结果已存在时重复上传同一个 PDF。 ## 依赖安装 当前 skill 对照的关键解析依赖： - `structai` package version：`0.1.24`。 - `structai` GitHub HEAD：`d20df602578bee124a9c93b293493e63212d0aab`。 - 更新本 skill 前，先确认 `structai.read_pdf` 行为是否变化；如果上游版本或 HEAD 变化，必须重新阅读 `read_pdf` 源码和 `structai_skill()` 输出。 ```bash pip install structai ``` 如果包索引中找不到 `structai`，或需要使用 GitHub 仓库中的最新代码： ```bash pip install "git+https://github.com/black-yt/structai.git" ``` 校验： ```bash python3 -c "from structai import read_pdf; import inspect; print(inspect.signature(read_pdf))" ``` 如果当前环境同时有多个 Python，请确认 `pip` 和 `python3` 指向同一个环境： ```bash python3 -m pip show structai python3 -c "import structai; print(structai.__file__)" ``` ## `read_pdf` 源码追溯 - `read_pdf` 行为以当前安装版本源码为准；如果缓存、上传、下载、图片路径或返回值和预期不一致，先读源码再判断。 - `inspect.signature(read_pdf)` 用于看函数参数。 - `inspect.getsource(read_pdf)` 用于看 `read_pdf` 入口逻辑。 - `structai.__file__` 和 `structai.pdf.__file__` 用于定位安装包源码文件。 - 源码只用于阅读和定位问题，不要改源码，不要直接修改 `site-packages` 或共享环境；需要改库时，先 clone `https://github.com/black-yt/structai`，在用户确认后用 editable install。 ```bash python3 - <<'PY' import inspect import structai import structai.pdf as pdf_mod from structai import read_pdf print("structai:", structai.__file__) print("structai.pdf:", pdf_mod.__file__) print("signature:", inspect.signature(read_pdf)) print(inspect.getsource(read_pdf)) PY ``` 如果要继续追 `read_pdf` 调用的内部函数，先