用途:这是一份 PDF 处理指南,覆盖常见的 PDF 操作,面向需要让 Claude 协助处理 PDF 的场景。
主要能力:
- 读取与基础操作(pypdf):读取 PDF、统计页数、提取文本、合并、拆分、提取元数据(标题/作者/主题/创建者)、旋转页面、添加水印、加密设置密码。
- 文本与表格提取(pdfplumber):按布局提取文本、提取表格,配合 pandas 将多页表格合并并导出为 Excel。
- 命令行工具:pdftotext(提取文本,支持 -layout 保留布局、-f/-l 指定页码范围)、qpdf(合并、拆分、旋转、解密去密码)、pdftk(合并、burst 拆分、旋转)、pdfimages(批量导出图片)。
- 表单填写:需参考 forms.md,另见 pdf-lib 或 pypdf。
使用方式:以 Python 脚本调用 pypdf、pdfplumber、pandas,或直接执行命令行工具。示例命令保持原样:pdftotext input.pdf output.txt、qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf、pdfimages -j input.pdf output_prefix。更高级的 pypdfium2 用法、JavaScript 库(pdf-lib)与排错指南见 reference.md。
适用场景:需要对 PDF 做合并拆分、内容与表格抽取、页面旋转、加水印、加密、表单填写等日常自动化处理。
限制:资料仅覆盖上述库与命令的功能说明,未提供安装步骤、版本要求、收费与平台信息;部分工具(如 pdftk)标注“if available”,是否可用取决于环境;表单填写需按 forms.md 指引执行。