用途:提供一套 PDF 处理操作指南,供需要读取、生成和改造 PDF 的场景使用,涵盖文本与表格提取、创建新 PDF、合并/拆分文档以及表单处理。
主要能力:使用 pypdf 读取页数、提取文本、合并多个 PDF、按页拆分、读取元数据(标题、作者)以及旋转页面;使用 pdfplumber 按版面提取文本并提取表格;使用 reportlab 创建 PDF,可绘制文本与线条;命令行方面,pdftotext 提取文本(支持 -layout 保留版面、-f/-l 指定页码范围),qpdf 支持合并、拆分、旋转页面以及用 --password 与 --decrypt 去除密码;扫描件 OCR 可先用 pytesseract,需先转换为图像。
使用方式:以 Python 脚本调用上述库,或直接执行命令行工具。示例命令保持原样,如 pdftotext -layout input.pdf output.txt、qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf。
适用场景:文档批量合并拆分、内容抽取与表格整理、程序化生成 PDF、页面方向调整、加密文件解密等。
限制:资料未提供安装步骤、依赖版本、性能与准确率数据、收费信息及平台支持范围;OCR 需额外转换图像,表格与文本提取效果取决于原文件质量。