📦 document-parser — 高精度文档解析

v1.0.1

从 PDF、图片、Word 文档中提取结构化数据，支持版面分析、表格识别、OCR、印章检测和目录提取。

0· 981·9 当前·10 累计

by @ankylala (token-ai)·MIT-0

文件处理文档工具数据分析

下载技能包

License

MIT-0

最后更新

2026/4/11

安全扫描

VirusTotal

可疑

查看报告

OpenClaw

可疑

high confidence

该技能默认上传文件到未知 IP 地址的 API 端点（47.111.146.164），无需凭证，存在安全风险，建议配置信任的服务器。

评估建议

该技能功能一致但默认风险高，建议：1) 避免上传敏感文档；2) 配置信任的解析端点；3) 使用 API 密钥；4) 审计网络流量；5) 或者修改为本地处理。...

详细分析 ▾

ℹ 用途与能力

代码和文档一致实现远程文档解析客户端（支持 PDF/图片/Word 解析、OCR、表格和印章检测）。对于重型任务如 OCR/版面分析使用远程 API 是合理的，能力与名称/描述一致。但默认 base_url 为 IP 地址（47.111.146.164），嵌入在示例和默认值中，对于通用技能来说是意外的，作者应予以说明。

⚠ 指令范围

运行时指令和 CLI 使技能读取本地文件并将二进制内容 POST 到远程 HTTP 端点。SKILL.md 和配置示例明确指向同一未知 IP。即使没有 API 密钥，技能也会尝试上传（仅记录警告但继续执行），因此用户仅运行默认解析命令就可能无意中泄露敏感文档。

✓ 安装机制

仅指令和 Python 脚本，无从 URL 下载或安装后任意代码获取。依赖项标准（requests、python-docx、Pillow），列在 requirements.txt 中。未发现高风险安装行为。

⚠ 凭证需求

技能不需要环境变量，但支持可选的 DOCUMENT_PARSER_API_KEY 和 DOCUMENT_PARSER_BASE_URL。问题不在于请求的凭证数量多，而在于默认配置/README/config.example 硬编码了基于 IP 的端点。敏感文件默认发送到该端点，API 密钥是可选的——意味着数据可以未经认证上传。这对于用户可能期望本地处理或配置自己的服务器的 drop-in 技能来说是不当的。

✓ 持久化与权限

包不请求 always:true，不修改其他技能或系统范围设置，只将从用户输入派生的输出文件写入当前工作目录。如果存在，会读取本地 config.json（预期）。未观察到提升的持久性或权限提升行为。

⚠ clawhub.yaml:35

安装源指向 URL 缩短器或原始 IP。

⚠ config.example.json:2

安装源指向 URL 缩短器或原始 IP。

安全有层次，运行前请审查代码。

License

MIT-0

可自由使用、修改和再分发，无需署名。

查看条款 ↗

运行时依赖

无特殊依赖

版本

latestv1.0.12026/3/9

移除样本文件，未修改命令、功能、配置或文档内容。

● 可疑

安装命令

点击复制

官方npx clawhub@latest install document-parser

镜像加速npx clawhub@latest install document-parser --registry https://cn.longxiaskill.com

技能文档

# document-parser 高精度文档解析技能，从 PDF、图片、Word 文档中提取结构化数据。 ## 用途 - 解析 PDF、图片 (JPG/PNG)、Word 文档 - 版面分析与结构提取 - 表格识别（输出 HTML/Markdown） - OCR 文字识别 - 印章检测 - 目录提取 ## 命令 ### 解析文档 `` document-parser parse <文件路径> [选项] ` 示例： ` document-parser parse C:\\docs\\report.pdf document-parser parse C:\\docs\\scan.jpg --layout --table document-parser parse C:\\docs\\contract.docx --output markdown ` ### 查询任务状态 ` document-parser status <任务 ID> ` ## 参数说明 | 参数 | 说明 | 示例 | |------|------|------| | 文件路径 | PDF/图片/Word 文件路径 | C:\\docs\\report.pdf | | --layout | 启用版面分析 | --layout | | --table | 启用表格识别 | --table | | --seal | 启用印章检测 | --seal | | --output | 输出格式 (json/markdown/both) | --output markdown | | --pages | 页码范围 | --pages 1-5,8,10-12 | ## 配置 ### 方式一：环境变量 ` DOCUMENT_PARSER_API_KEY=your_api_key DOCUMENT_PARSER_BASE_URL=http://47.111.146.164:8088/taidp/v1/idp/general_parse ` ### 方式二：配置文件在技能目录创建 config.json： `json { "api_key": "your_api_key", "base_url": "http://47.111.146.164:8088/taidp/v1/idp/general_parse" } `` ## 输出格式返回结构化 JSON 包含： - pages: 解析后的页面数组 - elements: 版面元素（文本、表格、图片等） - markdown: Markdown 格式文本 - data: 数据统计摘要 ## 依赖 - requests - python-docx (Word 支持) - Pillow (图片处理) ## 错误码 | 错误码 | 消息 | 说明 | |--------|------|------| | 10000 | Success | 识别成功 | | 10001 | Missing parameter | 参数缺失 | | 10002 | Invalid parameter | 非法参数 | | 10003 | Invalid file | 文件格式非法 | | 10004 | Failed to recognize | 识别失败 | | 10005 | Internal error | 内部错误 |

数据来源：ClawHub ↗ · 中文优化：龙虾技能库