PDF 图片与 Caption 提取器

提取 PDF 图片、匹配附近 caption，并生成可浏览的 HTML 图文索引

上传 PDF 后，工具会导出图片资源、解析结构化 JSON，并按照页码和位置为每张图匹配附近的 caption，最后生成可浏览的 HTML 报告。

示例结果

1 个示例

提取 PDF 图片与附近 caption

真实 sample 已生成可浏览的 HTML 图文索引报告。

pdf-image-caption-extractor-example1.html 查看文件
查看输入参数
{ "pdfFile": "/public/samples/pdf/pdf-image-caption-extractor-source-example1.pdf", "imageFormat": "png", "pages": "", "useStructTree": true }

Click to upload file or drag and drop file here

Maximum file size: 10MB Supported formats: application/pdf

关键信息

分类
图像、音频与视频
输入类型
file, select, text, checkbox
输出类型
html
样本覆盖
4
支持 API
Yes

概览

这款 PDF 图片与 Caption 提取器能够自动从 PDF 文档中批量导出图片，并智能匹配图片附近的图注（Caption）。只需上传 PDF 文件，工具即可解析文档底层结构，将提取的图片与对应的文本说明组合，最终生成一份直观、可浏览的 HTML 图文索引报告，极大提升学术论文、产品手册或研究报告的配图整理效率。

适用场景

  • •需要从长篇学术论文或研究报告中批量提取配图及对应图注时。
  • •整理产品说明书或操作手册，需将插图与说明文字分离归档时。
  • •制作演示文稿（PPT）或撰写新文档，需要复用历史 PDF 中的图文素材时。

工作原理

  • •上传需要处理的 PDF 文件，并可选择性地指定需要提取的页码范围（如 1,3,5-7）。
  • •选择导出的图片格式（PNG 或 JPEG），并勾选是否使用结构树（StructTree）以提高解析准确度。
  • •工具自动解析 PDF 底层结构，提取图片资源并根据页面坐标匹配最近的文本作为图注。
  • •处理完成后，下载生成的 HTML 报告，直接在浏览器中预览所有提取的图文组合。

使用场景

学术研究人员整理文献：快速从大量 PDF 论文中提取实验数据图表及说明，建立个人的图文参考资料库。
内容编辑重构文档：将旧版 PDF 格式的产品手册拆解，提取出所有产品配图和描述，用于重新排版或发布到网页。
数据分析师提取报告图表：从行业研究报告中批量抓取统计图表及对应的分析结论（Caption），用于二次分析或汇报。

用户案例

1. 提取学术论文中的实验图表

科研人员
背景原因
正在撰写综述文章，需要引用多篇 PDF 格式文献中的实验结果图及图注。
解决问题
手动截图并复制图注效率极低，且容易导致图片模糊或图注对应错误。
如何使用
上传文献 PDF，将图片格式设置为 PNG 以保证清晰度，勾选“使用结构树”。
示例配置
图片格式: PNG, 使用结构树: true
效果
成功生成 HTML 索引，所有实验图表与对应的“Figure 1...”图注完美匹配，可直接保存和引用。

2. 提取产品手册特定页面的插图

技术文档工程师
背景原因
需要更新公司某款设备的操作指南，旧版指南仅有 PDF 格式。
解决问题
只需要提取第 10 到 15 页的设备拆解图及零件说明，不需要全篇提取。
如何使用
上传产品手册 PDF，在“页码范围”中输入“10-15”，选择 JPEG 格式以减小文件体积。
示例配置
图片格式: JPEG, 页码范围: 10-15
效果
快速导出了第 10 至 15 页的所有拆解图，并在 HTML 报告中清晰展示了每张图对应的零件说明文字。

用 Samples 测试

html, pdf, image
PDF示例
2026-02-01 到 2026-02-10 工具生成的PDF示例
title token pdf
pdf
Markdown 幻灯片示例
用于测试 PDF 导出的 Remark/Marp 风格 Markdown 幻灯片
preferred input family pdf
pdf
Web Python 图像处理示例
Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
title token image
image
Markdown 链接提取示例
包含各种链接类型的 Markdown 示例文档，用于测试 Markdown 链接提取工具
title token extractor
image

相关专题

HtmlConvert工具专题
探索 15 个围绕 html 的 convert 工作流工具，快速找到相近能力。
ImageConvert工具专题
探索 100 个围绕 image 的 convert 工作流工具，快速找到相近能力。
PdfConvert工具专题
探索 34 个围绕 pdf 的 convert 工作流工具，快速找到相近能力。
Image 工具专题
探索 40 个围绕 image 的 utility 工作流工具，快速找到相近能力。

常见问题

支持提取哪些格式的图片？

工具支持将 PDF 中的图片导出为 PNG 或 JPEG 格式，您可以在提取前通过选项进行设置。

如何只提取特定页面的图片？

您可以在“页码范围”输入框中指定页码，例如输入“1,3,5-7”，工具将仅解析这些页面的内容。

“使用结构树”选项有什么作用？

勾选此选项后，工具会利用 PDF 内部的标签结构树（如果存在）来更精准地识别图片和图注的逻辑关系，提升匹配准确率。

提取后的结果是什么格式？

最终输出的是一个包含 HTML 文件的报告，您可以在浏览器中直接打开，直观地浏览图片及其对应的图注文本。

如果 PDF 是纯扫描件，还能提取图注吗？

本工具依赖 PDF 的底层文本和结构数据。如果是未经过 OCR 处理的纯图片扫描件，将无法提取到文本图注。

API 文档

请求端点

POST /zh/api/tools/pdf-image-caption-extractor

请求参数

参数名 类型 必填 描述
pdfFile file (需要先上传) 是 -
imageFormat select 否 -
pages text 否 -
useStructTree checkbox 否 -

文件类型参数需要先通过 POST /upload/pdf-image-caption-extractor 上传获取 filePath，然后将 filePath 传递给对应的文件字段。

响应格式

{
  "result": "
Processed HTML content
",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
HTML: HTML

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-pdf-image-caption-extractor": {
      "name": "pdf-image-caption-extractor",
      "description": "提取 PDF 图片、匹配附近 caption，并生成可浏览的 HTML 图文索引",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=pdf-image-caption-extractor",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

支持 URL 文件链接或 Base64 编码作为文件参数。

如果遇见问题，请联系我们：[email protected]