用途:面向 PDF 处理任务,包括读取、提取文本/表格、合并或拆分多个 PDF、旋转页面、提取元数据与图片、添加水印、加解密,以及创建 PDF。
主要能力:
- pypdf:基础操作,如合并、拆分、提取元数据、旋转页面、水印、密码保护。
- pdfplumber:按版式提取文本与表格,可结合 pandas 导出 Excel。
- reportlab:用 Canvas 或 Platypus 创建单页/多页 PDF,支持段落样式。
- 命令行工具:pdftotext、qpdf、pdftk、pdfimages。
- 扫描件 OCR:配合 pytesseract 与 pdf2image 先转图片再识别。
使用方式:按任务选择工具。例如合并 PDF 用 pypdf 的 writer.add_page(page);提取文本用 pdfplumber 的 page.extract_text();提取表格用 page.extract_tables();命令行合并用 qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf。
限制与注意:ReportLab 内置字体不含 Unicode 上下标字符,应改用 <sub>、<super> 标签,否则会显示为黑块;OCR 需额外安装依赖;表单填写需参考 FORMS.md;高级用法与 JavaScript 库见 REFERENCE.md。资料未提供收费、价格或平台信息。