pdf-vision-reader

図表が多い PDF を画像化して、Claude の vision 機能で内容を解析・Markdown 化するスキルです。

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "pdf-vision-reader" with this command: npx skills add childbamboo/claude-code-marketplace-sample/childbamboo-claude-code-marketplace-sample-pdf-vision-reader

PDF Vision Reader

図表が多い PDF を画像化して、Claude の vision 機能で内容を解析・Markdown 化するスキルです。

クイックスタート

基本的な使い方

1. PDF を画像に変換

wsl python3 scripts/pdf_to_images.py "/mnt/c/path/to/file.pdf"

2. 各画像を Read ツールで読み込んで解析

3. Markdown 形式でまとめる

前提条件

必要なパッケージ：

Python パッケージ

wsl pip3 install pdf2image Pillow

システムパッケージ (poppler)

wsl sudo apt-get update wsl sudo apt-get install -y poppler-utils

ワークフロー

ステップ1: PDF を画像に変換

wsl python3 scripts/pdf_to_images.py "/mnt/c/path/to/document.pdf"

これにより document_pages/ ディレクトリが作成され、各ページが画像として保存されます：

  • page_001.png

  • page_002.png

  • page_003.png

  • ...

ステップ2: 各画像を解析

Read ツールで各画像を順番に読み込み、内容を解析します。

解析時の指示例:

この画像の内容を詳しく説明してください：

  • タイトルや見出し
  • 本文テキスト
  • 図表の説明
  • グラフやチャートのデータ
  • 重要なポイント

ステップ3: Markdown に統合

各ページの解析結果を統合して、一つの Markdown ファイルを作成します。

使用例

例1: プレゼンテーション資料を Markdown 化

User: "presentation.pdf を vision で解析して Markdown 化して" Assistant:

  1. scripts/pdf_to_images.py で PDF を画像に変換
  2. 各画像を Read ツールで読み込み
  3. 各ページの内容を解析（タイトル、図表、テキスト）
  4. 全ページの解析結果を統合
  5. Write ツールで Markdown ファイルに保存

例2: 特定のページのみ解析

User: "document.pdf の 5-10 ページだけ解析して" Assistant:

  1. PDF を画像に変換（全ページ）
  2. page_005.png から page_010.png のみ Read で読み込み
  3. 該当ページの内容を Markdown 化

解析の観点

自動的に抽出する情報

各ページの画像から以下を抽出：

テキスト情報

  • タイトル・見出し

  • 本文テキスト

  • 箇条書きリスト

  • 注釈・キャプション

図表

  • 図の種類（フローチャート、組織図、etc.）

  • 図の説明・要約

  • 主要な要素と関係性

グラフ・チャート

  • グラフの種類（棒グラフ、円グラフ、etc.）

  • 軸ラベル

  • 主要なデータポイント

  • トレンドや傾向

テーブル

  • テーブルの構造

  • ヘッダー行

  • データの内容

  • Markdown テーブル形式に変換

レイアウト・構造

  • ページ全体のレイアウト

  • セクション分け

  • 強調されている情報

Markdown 出力フォーマット

[PDFタイトル]

解析日時: YYYY-MM-DD 総ページ数: N

Page 1: [ページタイトル]

概要

[ページの概要説明]

主要な内容

  • [ポイント1]
  • [ポイント2]

図表

図1: [図のタイトル] [図の説明]

テキスト内容

[ページ内のテキスト]

Page 2: [ページタイトル]

...

スクリプト詳細

pdf_to_images.py

機能:

  • PDF の各ページを PNG 画像に変換

  • 解像度指定可能（デフォルト: 200 DPI）

  • 出力ディレクトリの自動作成

使い方:

python scripts/pdf_to_images.py <pdf_path> [output_dir] [dpi]

例

python scripts/pdf_to_images.py document.pdf ./images 300

出力:

  • [pdf_name]_pages/page_001.png

  • [pdf_name]_pages/page_002.png

  • ...

対応可能なコンテンツ

  • ✅ テキスト（日本語・英語）

  • ✅ 図表・ダイアグラム

  • ✅ グラフ・チャート

  • ✅ テーブル

  • ✅ スクリーンショット

  • ✅ インフォグラフィック

  • ✅ 複雑なレイアウト

  • ⚠️ 手書きメモ（精度は状況による）

  • ⚠️ 低解像度画像（精度低下の可能性）

テキスト抽出との違い

pdf-reader (テキスト抽出)

  • ✅ テキストのみの PDF で高速

  • ✅ 純粋なテキスト抽出

  • ❌ 図表は抽出不可

  • ❌ レイアウトは簡略化

pdf-vision-reader (画像解析)

  • ✅ 図表・グラフを理解

  • ✅ 複雑なレイアウトを保持

  • ✅ ビジュアル要素の説明

  • ⚠️ 処理時間が長い

  • ⚠️ API コスト（画像解析）

推奨される使い分け

PDF の種類 推奨スキル

テキスト中心の文書 pdf-reader

プレゼンテーション資料 pdf-vision-reader

図表・グラフが多い資料 pdf-vision-reader

技術図面・設計書 pdf-vision-reader

論文（図表含む） pdf-vision-reader

単純なテキストPDF pdf-reader

トラブルシューティング

pdf2image が見つからない

wsl pip3 install pdf2image

poppler-utils が見つからない

wsl sudo apt-get update wsl sudo apt-get install -y poppler-utils

画像変換が失敗する

  • PDF が破損していないか確認

  • ディスク容量を確認

  • メモリ不足の可能性（大きな PDF は分割処理）

解析精度が低い

  • DPI を上げる（300 推奨） python scripts/pdf_to_images.py document.pdf ./images 300

  • 元の PDF の画質を確認

パフォーマンス

処理時間の目安

ページ数 画像変換 解析（Claude vision） 合計

10ページ 5秒 30-60秒 ~1分

30ページ 15秒 90-180秒 ~3分

100ページ 50秒 300-600秒 ~10分

最適化のヒント

必要なページのみ処理

  • 全ページ変換後、重要なページのみ解析

DPI の調整

  • 図表が多い: 300 DPI

  • テキスト中心: 150-200 DPI

バッチ処理

  • 複数 PDF を並行処理しない（順次処理）

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/...

関連ツール

  • pdf-reader: テキスト中心の PDF 用

  • docx-reader: Word 文書用

  • OCR ツール: pytesseract（テキスト特化）

バージョン履歴

  • v1.0.0 (2026-01-06): 初期リリース

  • PDF → 画像変換機能

  • Vision ベースの解析ワークフロー

  • 図表・グラフの理解対応

  • Markdown 出力フォーマット

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open in GitHubOpen in ClawHub

Related Skills

Related by shared tags or category signals.

Coding

arxiv-paper-writer

Use this skill whenever the user wants Claude Code to write, scaffold, compile, debug, or review an arXiv-style academic paper, especially survey papers with LaTeX, BibTeX citations, TikZ figures, tables, and PDF output. This skill should trigger for requests like writing a full paper, creating an arXiv paper project, turning a research topic into a LaTeX manuscript, reproducing the Paper-Write-Skill-Test agent-survey workflow, or setting up a Windows/Linux Claude Code paper-writing loop.

Archived SourceRecently Updated
--16miku
Coding

cli-proxy-troubleshooting

排查 CLI Proxy API（codex-api-proxy）的配置、认证、模型注册和请求问题。适用场景包括：(1) AI 请求报错 unknown provider for model, (2) 模型列表中缺少预期模型, (3) codex-api-key/auth-dir 配置不生效, (4) CLI Proxy 启动后 AI 无法调用, (5) 认证成功但请求失败或超时。包含源码级排查方法：模型注册表架构、认证加载链路、 SanitizeCodexKeys 规则、常见错误的真实根因。

Archived SourceRecently Updated
--17329971
Coding

visual-summary-analysis

Performs AI analysis on input video clips/image content and generates a smooth, natural scene description. | 视觉摘要智述技能，对传入的视频片段/图片内容进行AI分析，生成一段通顺自然的场景描述内容

Archived SourceRecently Updated
--18072937735
Coding

frontend-skill

全能高级前端研发工程师技能。擅长AI时代前沿技术栈（React最新 + shadcn/ui + Tailwind CSS v4 + TypeScript + Next.js），精通动效库与交互特效开发。采用Glue Code风格快速实现代码，强调高质量产品体验与高度友好的UI视觉规范。在组件调用、交互特效、全局Theme上保持高度规范：绝不重复造轮子，相同逻辑出现两次即封装为组件。具备安全意识，防范各类注入攻击。开发页面具有高度自适应能力，响应式设计贯穿始终。当用户无特殊技术栈要求时，默认采用主流前沿技术栈。

Archived SourceRecently Updated
--000sonic