标签：文本提取

一个基于pdf2json库的MCP服务器，提供PDF文本和表单字段的提取功能，支持多种输出格式。

MCP服务器，用于从PDF文件中提取文本，并支持通过Tesseract OCR从嵌入的图像中提取文本。

一个用于Claude桌面的MCP服务器，允许通过提供链接抓取网页文本、YouTube视频字幕和PDF文件内容。

MCP PDF Reader Enhanced 是一个基于 Model Context Protocol (MCP) 的服务器，提供高级的 PDF 文本提取、搜索和分析功能。该服务支持从 PDF 文件中提取文本内容、搜索特定文本、提取元数据等功能，并具备文件大小限制、异步处理等特性。适用于需要处理和分析 PDF 文档的场景。

一个基于PyPDFium2的PDF处理和分析服务，提供文本提取、元数据提取、搜索、页面操作、表格处理等功能。

提供通过stdio和MCP模式的语音识别和文本提取功能，支持从文件和base64编码数据中识别语音，并生成结构化结果。

一个基于Django的聊天应用，支持文档上传并与AI代理进行交互，利用文档内容回答问题。

一个高性能的Office文档处理服务，支持PDF、Excel、Word和PowerPoint文件的读取、文本提取和幻灯片快照生成。

一个跨平台的文档文本提取服务，支持PDF、Excel、Word等多种格式，具有流式处理、编码检测和速率限制功能。

瞬析 (DocPilot MCP) 是一个基于WindData DocParse API的本地MCP服务，用于从PDF、Word和图片中提取文本和结构。

一个基于Python构建的OCR（光学字符识别）服务，通过本地PaddleOCR服务从复杂图像和PDF中提取文本和布局，支持多语言文本识别。

PDF Reader MCP是一个生产就绪的PDF处理服务器，为AI代理提供企业级PDF处理能力，包括文本、图像和元数据提取。

一个用于从PDF URL中提取文本内容的模型上下文协议（MCP）服务器工具。

Aparavi MCP服务器是一个集成了Aparavi文档处理能力的模型上下文协议服务器，允许语言模型通过API处理文档并获取清理后的文本输出。

MCP服务器，用于搜索和读取二进制文档文件（如PDF、DOCX等），支持多种格式的文本提取和搜索功能。

一个基于TypeScript的EPUB解析服务，用于提取元数据、目录结构和文本内容，支持AI辅助的高级搜索功能。

一个将B站视频内容提取并格式化为结构化文本的MCP服务器，优化用于大模型处理和分析。

一个从URL获取PDF并智能解析以供AI使用的服务器，支持文本提取、图像渲染和混合模式。

一个基于Rust的CLI工具，用于处理HWP/HWPX文档，包括文本提取、元数据检查、文档转换等功能。

一个基于FastMCP的PDF文件阅读服务器，支持PDF文本提取、OCR识别和图像提取，提供内置的Web调试器以便测试。

该服务通过MCP服务器赋予LLMs读取PDF文件的能力，能够提取文本、表格和结构化内容，并以纯文本、Markdown或CSV格式返回。

一个高效的PDF文本提取服务，支持读取、搜索和提取PDF文件中的文本和元数据，优化了Claude Code的上下文窗口使用。

一个基于MCP协议的Python工具，用于从PDF文件中提取和读取页面，适用于LM Studio等前端。

一个基于Python的独立服务器，用于从YouTube视频中提取转录文本，支持自动语言检测、本地文件持久化和播放列表处理。