从纸张中提取MCP（可能指某种特定信息或数据，具体需根据上下文确定）
一个代理管道，模拟人类浏览行为来收集临床论文，对内容进行规范化处理，并提取结构化的患者记录和诊断信息。
特点/特性
- 受MCP启发的浏览代理，具备随机延迟和重试逻辑
- 由BeautifulSoup和pdfminer驱动的HTML/PDF规范化处理流程
- 带有可插拔LLM客户端（启发式离线默认）的信息提取代理
- 诊断验证以突出低置信度输出
- 存储富含血缘信息的JSON工件的知识库
- 用于批量处理URL列表的异步命令行界面（CLI）
安装
pip install -e .[dev]使用
python -m extractor.cli https://example.com/paper1 https://example.com/paper2或者提供一个包含URL的文件：
python -m extractor.cli --urls-file urls.txt --output-dir outputs命令行界面（CLI）将提取的数据写入所选的输出目录中的JSON文件。
测试
pytest