pdfmux

Equipos de datos y operaciones que necesitan texto limpio de informes, contratos o documentos escaneados antes de analizarlos o buscarlos. pdfmux extrae el texto de archivos PDF y revisa su propio resultado página a página. Cada página pasa por el motor de extracción que mejor le corresponde, como PyMuPDF, Docling, OCR o un modelo de lenguaje de respaldo, y las páginas con baja confianza se vuelven a procesar. Las páginas que no puede leer se marcan y no desaparecen en silencio.

Ejecuta en tu terminal: claude mcp add pdfmux -- npx -y pdfmux-mcp

Sí. El código está publicado en GitHub (NameetP/pdfmux) con licencia MIT.

Superó nuestro análisis automático de robo de credenciales, instrucciones ocultas y comandos de instalación peligrosos. Software de código abierto de terceros. Sabemos AI no lo mantiene. Revisa el código y los permisos antes de conectarlo a datos de la empresa.