Werkzeugkasten: PDF-Text aus Anhaengen und Dateien (#692)

- DocumentText reads PDF with PdfPig 0.1.16 (managed, Apache-2.0): page by
  page in reading order, at most 300 pages; a PDF without a text layer is
  named as probably scanned; broken and protected files are named.
- Mail read_attachment and FileRW read/read_many take PDF like Word/Excel.
- nuget.config maps exactly "PdfPig" - "UglyToad.PdfPig" is a package of a
  different account and stays out.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
Richard
2026-10-01 18:45:03 +02:00
co-authored by Claude Opus 5.5
parent cd1d4501e4
commit 347b35fc44
6 changed files with 91 additions and 7 deletions
+6 -1
View File
@@ -806,7 +806,12 @@ beidem.
> legt die Datei im eigenen Arbeitsbereich ab (nie über eine vorhandene, nie außerhalb).
> FileRW `read`/`read_many` gibt Word- und Excel-Dateien als Text zurück; schreiben kann
> es sie weiterhin nicht. Der Text ist Fremdinhalt und wird von der Engine gerahmt.
> **Offen: PDF** — ein verlässlicher PDF-Textauszug ist eine Bibliotheksentscheidung.
> **PDF** liest PdfPig (Paket `PdfPig`, Apache-2.0, nur verwalteter Code; Entscheidung des
> Nutzers vom 2026-10-01 für eine lokale Bibliothek statt der Auslese über OpenRouter):
> Seite für Seite in Leserichtung, höchstens 300 Seiten. Ein gescanntes PDF ohne Textebene
> wird als solches benannt — OCR gibt es nicht. Achtung beim Paketnamen: unter
> `UglyToad.PdfPig` liegt eine Vorabversion eines fremden Kontos; `nuget.config` lässt nur
> genau `PdfPig` zu.
3. **Der MCP-Client (#197) bleibt nützlich** — aber als *eine* Fähigkeit unter anderen,
für Dienste, die ohnehin als Server bereitstehen. Nicht als Anbindungsstrategie.