vision-model-batch-extraction

用本地视觉模型把排版复杂的 PDF（比如左右两栏：单词＋释义）逐页识别成结构化条目，再批量生成 Word 文档。当 pdfminer、pymupdf 等文本提取工具因为表格或双栏失败时派上用场。特点是先把页转图再用视觉模型识别，能保留条目顺序和分组输出。

# 视觉模型批量结构化提取 & 通用 Word 文档生成

涵盖两大场景：
1. **PDF批量提取**（主场景）：将双栏排版PDF逐页转图后，用本地Ollama视觉模型批量提取结构化数据，生成分组Word文档。
2. **通用Word生成**（辅助场景）：从零创建Word文档（自我介绍、简历、报告等），无需PDF源，直接通过python-docx脚本生成。

## 适用场景

- PDF是双栏表格排版（左栏单词、右栏释义）
- 标准文本提取工具（pdfminer、pymupdf.get_text）因排版复杂提取不全
- 需要保持条目顺序和分组（如每天60词）

## 完整流程

### Step 1：PDF转图
```bash
pip install pymupdf
python -c "
import fitz, os
doc = fitz.open('book.pdf')
os.makedirs('img', exist_ok=True)
for i in range(len(doc)):
    doc[i].get_pixmap(dpi=150).save(f'img/p{i+1}.png')
doc.close()
"
```

### Step 2：Ollama视觉API调用
```python
with open('page.png', 'rb') as f:
    img_b64 = base64.b64encode(f.read()).decode()

data = json.dumps({
    'model': 'huihui_ai/qwen2.5