用途：在代码中处理人们实际交换的文档格式，包括 PDF、Word（.docx）、Excel（.xlsx）和 PowerPoint（.pptx）。核心观点是这些文件是结构化容器而非纯文本，应使用理解格式的库，而非对字节做字符串操作。
主要能力：PDF 方面可用 pdfplumber 提取文本与表格、pypdf 做页面操作和表单填写；Excel 用 openpyxl 读写，注意 data_only=True 返回缓存公式结果，read_only=True 流式读取大文件；Word 用 python-docx，复杂替换用 docxtpl 处理 run、循环和条件；PowerPoint 用 python-pptx，从组织模板继承母版与主题；扫描件用 pytesseract 配合 pdf2image 做 OCR。
使用方式：提取时先明确需要文本、结构还是保真度；生成时填充人工编写的模板而非逐元素拼装；OCR 前保证 300 DPI、去斜、增强对比并显式设置语言。
限制与安全：提取有损，无边框或多页表格不可靠，需校验列数、类型和合计；data_only=True 在文件从未被 Excel 打开时缓存为空；不要启用宏打开不可信文档，解析 XML 时禁用外部实体，限制大小与页数，在无网络沙箱中解析，分发前清除元数据，脱敏须删除内容流而非画黑框。
适用场景：报表生成、文档合并、格式转换、批量处理、表单填写与扫描件识别。具体库版本、安装命令和完整配方资料中未提供。