pdf-vision-reader
Converts PDF pages to images and uses vision analysis to extract content including diagrams, charts, and visual elements. Use for PDFs with rich visual content. Requires pdf2image and poppler-utils.
By childbamboo · 376 installs
npx skills add childbamboo/claude-code-marketplace-sample --skill pdf-vision-reader
Source repository · Upstream listing
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
前提条件
必要なパッケージ：
ワークフロー
ステップ1: PDF を画像に変換
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:
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
例2: 特定のページのみ解析
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：
1. 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
2. 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
3. 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
4. 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
5. 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
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:
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
poppler utils が見つからない
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）
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
1. 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
2. DPI の調整
図表が多い: 300 DPI
テキスト中心: 150 200 DPI
3. 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