Una utilidad técnica especializada para extraer texto estructurado y coordenadas de caracteres con precisión milimétrica de archivos Open Fixed-layout Document (OFD).
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install ofd-text-extractor
2. Instalación manual
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
3. Instalación del prompt
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar ofd-text-extractor usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
¿Prefieres descargar?
Obtén los archivos originales de la habilidad en un archivo ZIP.
¿Qué es Extractor de texto OFD?
El OFD Text Extractor es una herramienta de nivel profesional diseñada para analizar el formato Open Fixed-layout Document, que es un estándar para documentos electrónicos y facturas. Esta habilidad dentro de la biblioteca Openclaw Skills va más allá del simple raspado de texto, proporcionando a los desarrolladores un acceso profundo a la estructura XML interna del documento, incluyendo el mapeo de plantillas y sistemas de coordenadas precisos.
Al aprovechar esta habilidad, los usuarios pueden transformar contenedores OFD ZIP no estructurados en datos JSON altamente procesables. Está específicamente optimizado para manejar diseños complejos, incluido el espaciado de caracteres DeltaX y los encabezados basados en plantillas (estilo formulario), asegurando que la información extraída mantenga su contexto espacial original para análisis de datos posteriores o tareas de automatización.
Casos de uso de Extractor de texto OFD
- Automatización de la extracción de datos financieros de facturas electrónicas en formato OFD.
- Mapeo de posiciones a nivel de carácter para la reconstrucción de documentos o indexación de búsquedas.
- Procesamiento por lotes de archivos de documentos para convertir archivos de diseño fijo en conjuntos de datos estructurados.
- Análisis de la arquitectura XML interna de contenedores OFD para fines de control de calidad.
- Identificación de puntos de datos específicos basados en coordenadas de página precisas en documentos oficiales.
Cómo funciona Extractor de texto OFD
- La habilidad accede al archivo OFD, que actúa como un contenedor ZIP, e identifica el punto de entrada principal a través de OFD.xml.
- Analiza el Document.xml para resolver el mapeo de páginas de plantilla y capas de documentos.
- Extrae el contenido de archivos XML de página individuales (Content.xml), identificando todos los elementos TextObject.
- Calcula coordenadas precisas para cada carácter combinando la posición X/Y base con matrices de espaciado DeltaX.
- Fusiona los datos de la capa de plantilla (como etiquetas recurrentes o encabezados) con el contenido de la página principal.
- Los datos procesados se exportan luego como un objeto JSON estructurado, conservando metadatos, límites y orígenes de fuente.
Configuración de Extractor de texto OFD
Para comenzar con esta habilidad, asegúrese de tener los archivos de script necesarios en el directorio de su proyecto.
# Navegue a la carpeta de scripts de la habilidad
cd scripts
# Extracción básica de texto desde un archivo OFD
python extract_ofd.py "path/to/your/document.ofd"
# Extracción con datos completos de coordenadas a nivel de carácter
python extract_ofd.py "path/to/your/document.ofd" --show-chars
# Exporte los datos extraídos directamente a un archivo JSON
python extract_ofd.py "path/to/document.ofd" --output "result.json" --show-chars
Esquema de datos y taxonomía de Extractor de texto OFD
| Campo | Descripción |
|---|---|
text |
El contenido completo de la cadena encontrado dentro de un bloque de texto específico. |
x, y |
Las coordenadas horizontales y verticales iniciales en milímetros (mm). |
boundary |
El cuadro delimitador (X, Y, Ancho, Alto) que define el área de texto. |
source |
Especifica si los datos se originaron de una page o una template. |
isTemplate |
Un indicador booleano que indica si el texto pertenece a una capa de plantilla. |
characters |
Una matriz detallada que contiene cada carácter y sus coordenadas X/Y específicas. |
Funciones avanzadas de Extractor de texto OFD
- Soporte completo para atributos DeltaX para garantizar la precisión espacial a nivel de carácter.
- Resolución automática de plantillas (Tpl_X) para identificar y extraer correctamente los encabezados de documentos recurrentes.
- Compatibilidad multiplataforma con scripts de extracción en Python y PowerShell proporcionados en Openclaw Skills.
- Sistema de coordenadas preciso basado en milímetros para un mapeo de datos de alta fidelidad.
- Salida JSON estructurada optimizada para la integración con agentes de IA y tuberías de bases de datos.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Clawhub Mobile (Expo/React Native)
Una skill maestra de nivel de producción para construir aplicaciones Expo y React Native de alto rendimiento y listas para RTL usando el patrón MVC-Lite.
Habilidad The Things Network
Una potente integración para conectar agentes de IA a The Things Network con el fin de gestionar dispositivos IoT LoRaWAN y automatizar flujos de trabajo de datos.
Lightstep
Una potente integración de observabilidad para Openclaw Skills que permite el monitoreo automatizado, la resolución de problemas y la optimización de sistemas de software complejos.
Suno-Claw: Creador de canciones con agentes de IA
Una estructura sofisticada de múltiples agentes que utiliza Suno AI y la API de kie.ai para generar música de nivel profesional mediante refinamiento creativo iterativo.
Amazon Elasticsearch
Una poderosa integración para gestionar y automatizar clusters de Amazon Elasticsearch a través del ecosistema Membrane.
Análisis y mejora de sitios web orientados a objetivos
Un marco integral para auditar el rendimiento del sitio web comparando los recorridos de usuario previstos con datos reales de Google Analytics y Search Console.
Presentado*
