Przejdź do treści
Biblioteka skilli
Dokumenty i biuro · Konwersja i formaty

file-parser

/file-parser

Parsuje pliki PDF i TXT strumieniowo, dzieli tekst na fragmenty i wyszukuje je metodą BM25, bez ładowania całego dokumentu do pamięci.

Repozytorium
Crannia ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
14.11.2026

Ocena i bezpieczeństwo

85/ 100Klasa: dobry
Format20 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
5
Skrypty
2
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 14.11.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co sprawdzić przed instalacją
  • 2 skrypty w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: __init__.py, handler.py

Co robi i kiedy

Parsuje pliki PDF i TXT strumieniowo, dzieli tekst na fragmenty i wyszukuje je metodą BM25, bez ładowania całego dokumentu do pamięci.

Oryginalny opis (EN)

Parse PDF and TXT files with streaming chunking and BM25 retrieval. Extracts text page-by-page (PDF) or line-by-line (TXT), never loading full document into memory. Use when working with PDF documents, text files, or when the user mentions PDF, TXT, reading files, document parsing, text extraction.

Jak działa

  1. When to use
  2. Tools
  3. Notes
Sekcje z nagłówków SKILL.md, w oryginale · 50 linii, 297 słów
Podgląd SKILL.md
---
name: file-parser
description: Parse PDF and TXT files with streaming chunking and BM25 retrieval. Extracts text page-by-page (PDF) or line-by-line (TXT), never loading full document into memory. Use when working with PDF documents, text files, or when the user mentions PDF, TXT, reading files, document parsing, text extraction.
metadata:
  kind: skill
  loader: manifest.yaml
  tools: parse_pdf, parse_txt, search_chunks, summarize_document, pdf_info, merge_pdfs, split_pdf, extract_pages
  mcp_note: >
    Directory name is file_parser (underscore) for Python import compatibility.
    SKILL.md name uses file-parser (hyphen) per agentskills.io standard.
    A thin adapter layer (see MCP_ADAPTATION.md) will map these when
    publishing to the MCP ecosystem.
---

# File Parser Skill

## When to use
Use this skill when the user needs to read, search, or summarize PDF or TXT documents.
Supports Chinese and English content.

## Tools

### parse_pdf
Stream-parse a PDF file using PyMuPDF (fitz). Each page's text is extracted individually and
chunked into pieces of ≤1500 characters with page/position metadata. The full document text
is NEVER accumulated in memory.

### parse_txt
Stream-parse a TXT file. Lines are read one at a time (never `read()`), accumulated into
pseudo-pages (100 lines each), and chunked. Supports configurable encoding (default UTF-8).

### search_chunks
Search currently-loaded document chunks using BM25 keyword relevance with jieba Chinese
tokenization. Returns top-3 most relevant chunks. Accepts optional `file_path` to auto-parse
before searching.

### summarize_document
Generate a full-document summary via iterative chunk aggregation. Chunks are batch-summarized
in Round 1, then merged in groups of 3 recursively until one final summary remains.
Accepts optional `file_path` to auto-parse before summarizing.

### pdf_info
Extract PDF metadata and structure without parsing text content. Returns page count,
file size, title, author, creation date, encryption status, and table of contents
(bookmarks/outline). Use to decide whether a PDF needs parsing.

### merge_pdfs
Merge multiple PDF files into one. Files are combined in the order provided.
All inputs must be valid, accessible PDFs. Output saved to `workspace/`.

### split_pdf
Split a PDF into multiple files, each containing N pages (default: 1 page per file).
Output files named `{name}_part{n}.pdf`.

### extract_pages
Extract specific pages (1-indexed) from a PDF into a new file. Duplicate page
numbers allowed — each occurrence copies that page.

## Notes
- File path resolution: bare filenames are auto-resolved under `workspace/`
- All paths validated by SecurityGuard before any file is opened
- Chunked content is NEVER directly exposed to the LLM context — only via retrieval
Pliki w paczce (5)
  • GUIDANCE.md 1 KB
  • SKILL.md 3 KB
  • __init__.py 1 KB
  • handler.py 111 KB
  • manifest.yaml 25 KB

Wersje

W bazie nie ma innych skilli o nazwie file-parser.

Migawka bazy z 13.11.2026 · wersja paczki a7eded7e1e9c (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100pdf-processing
    Wyciąga tekst i tabele z PDF-ów, wypełnia formularze i łączy kilka plików PDF w jeden.
  • 100pdf
    Przetwarza PDF-y: wyciąga tekst, tworzy nowe pliki i łączy dokumenty.
  • 95pdf-processing
    Wyciąga tekst i tabele z plików PDF, wypełnia formularze i scala dokumenty w jeden plik.
  • 100pdf-parser
    Prawdopodobnie pomaga konfigurować i prowadzić parsowanie plików PDF w automatyzacji procesów biznesowych, na podstawie nazwy i kategorii Business Automation.
  • 100pdf-extractor
    Wyciąga tekst i dane z dokumentów PDF, konwertuje PDF do tekstu lub Markdown, robi OCR i obsługuje pojedyncze pliki oraz przetwarzanie wsadowe.
  • 85office-parser
    Odczytuje dokumenty Word, PowerPoint i Excel strumieniowo, dzieląc je na fragmenty do dalszej pracy z treścią i danymi.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.