nano-pdf 是一个用于 PDF 处理的技能，旨在高效处理文档工作流。
用途
该技能提供 PDF 处理工具，包括文本提取、文本挖掘、表单填写、PDF 操作以及 OCR 集成。
适用场景
适用于涉及 PDF 数据提取（例如从扫描文档中提取）、报告文本分析、自动化表单提交、文件合并/拆分，或对非文本 PDF 应用 OCR 的任务。可应用于数据管道、文档自动化脚本，或与 OCR 服务集成以处理非结构化数据。
主要能力
文本提取：从 PDF 中提取纯文本或结构化数据，支持带密码的加密文件；通过 Tesseract 集成对图像型 PDF 使用 OCR。
文本挖掘：分析提取的文本以识别关键词、情感或模式；例如统计文档中短语出现的次数。
表单填写：使用 JSON 数据填充交互式 PDF 表单；支持将表单扁平化为静态 PDF。
PDF 操作：合并、拆分、旋转或为 PDF 添加水印；可高效处理最多 500 页的文档。
OCR 集成：使用外部 API 将扫描版 PDF 转换为可搜索文本；需要配置 Tesseract 或类似引擎。
使用方式
可通过 CLI 用于快速脚本，或通过 API 用于服务端集成。批量处理时，可在 shell 脚本中串联命令；Web 应用中，可在循环中使用 API 调用。始终显式指定输入/输出路径。模式：先提取文本，再按需挖掘或操作。对于 OCR 密集型任务，在 PDF 操作前先预处理图像。
常用命令/API
CLI 命令使用 nano-pdf 二进制文件；API 端点位于 https://api.opencclaw.com/nano-pdf/。认证需要 $NANO_PDF_API_KEY 环境变量。
提取文本：nano-pdf extract --file input.pdf --output text.txt --ocr true（当文本不可选择时添加 OCR）。
挖掘文本：nano-pdf mine --input text.txt --keywords "AI,robot" --output results.json（输出关键词频率）。
填写表单：nano-pdf fill --template form.pdf --data '{"field1": "value"}' --output filled.pdf。
操作 PDF：nano-pdf merge --files file1.pdf file2.pdf --output combined.pdf。
提取的 API 端点：POST /extract，请求体为 {"file": "base64encoded_content", "ocr": true}，请求头为 Authorization: Bearer $NANO_PDF_API_KEY。
代码片段（Python）：
import requests response = requests.post('https://api.opencclaw.com/nano-pdf/extract', headers={'Authorization': f'Bearer {os.environ["NANO_PDF_API_KEY"]}'}, json={'file': 'base64data'}) print(response.json()['text'])
配置格式：API 请求体使用 JSON，例如 {"file": "path", "options": {"ocr_engine": "tesseract", "language": "en"}}；CLI 使用基于标志的配置，如 --config config.json。
集成说明
集成时设置 $NANO_PDF_API_KEY 以进行认证请求；本地使用时，通过 pip install nano-pdf 安装并作为模块导入。可与其他工具结合：将 CLI 输出管道传输到 NLP 库进行挖掘，或在 Node.js 中通过 HTTP 请求使用。对于 OCR，确保 Tesseract 已安装并配置在环境路径中。在沙箱中测试集成以验证 API 速率限制（例如 100 请求/分钟）。
错误处理
检查常见错误，如文件未找到（退出码 404）、无效 API 密钥（401）或 OCR 失败（例如未安装 Tesseract）。在代码中使用 try-except：
try: result = nano_pdf.extract('input.pdf') except FileNotFoundError: print("Error: File does not exist.") except Exception as e: print(f"API Error: {e} - Check $NANO_PDF_API_KEY.")
对于 CLI，解析 stderr 输出；对瞬时错误（例如网络问题）使用指数退避重试。始终验证输入，例如在处理前确保 PDF 未损坏。
示例 1：从 PDF 提取并挖掘文本
从扫描版发票 PDF 中提取文本并挖掘产品名称：
运行：nano-pdf extract --file invoice.pdf --output invoice_text.txt --ocr true
然后：nano-pdf mine --input invoice_text.txt --keywords "product" --output analysis.json 这会生成包含关键词出现次数的 JSON，供进一步处理。
示例 2：填写并操作表单 PDF
填写求职申请表并与求职信合并：
准备 JSON 数据：{"name": "John Doe", "position": "Engineer"}
执行：nano-pdf fill --template application.pdf --data application_data.json --output filled_app.pdf
合并：nano-pdf merge --files filled_app.pdf cover_letter.pdf --output final_packet.pdf 输出为可直接提交的单个 PDF。
图关系
相关："ocr-tool"（用于增强 OCR 能力）、"document-parser"（用于更广泛的文件类型支持）、"text-analyzer"（用于高级挖掘集成）。
集群：通过 "community" 集群连接到 "data-extraction" 和 "automation-utils" 等技能。