用途:属于 AlterLab Academic Skills 套件,当用户需要对 PDF 文件做任何操作时使用,包括读取、文本与表格提取、合并、拆分、旋转、元数据读取、加密、加水印、OCR 识别扫描件以及创建 PDF。
主要能力:pypdf 负责基础操作(合并、拆分、提取元数据、旋转页面、加密、加水印);pdfplumber 负责带版式的文本提取与表格提取,可结合 pandas 导出 Excel;reportlab 用于创建 PDF(Canvas 或 Platypus 多页文档);命令行工具 pdftotext、qpdf、pdftk、pdfimages 用于文本提取、合并拆分、旋转、解密与图片提取;pytesseract 配合 pdf2image 对扫描件做 OCR。
使用方式:按任务选择工具。合并用 pypdf 的 writer.add_page(page);拆分每页一个文件;提取文本用 pdfplumber 的 page.extract_text();提取表格用 page.extract_tables();创建 PDF 用 reportlab 的 Canvas 或 Platypus;命令行合并用 qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf;OCR 需先 pip install pytesseract pdf2image 并 convert_from_path 转图像。
限制与注意:ReportLab 内置字体不含 Unicode 上下标字形,会渲染成黑块,应改用 <sub>、<super> 标签,Canvas 文本则手动调整字号与位置。表单填写需参阅 FORMS.md,高级 pypdfium2 与 JavaScript 库 pdf-lib 见 REFERENCE.md,故障排查见 REFERENCE.md。具体安装、收费与平台信息暂未提供。