用途:在需要以代码创建、解析、转换或组合 PDF 时使用,覆盖生成、提取、操作三类操作。
主要能力:文本与表格提取(pdfplumber,可调 table_settings)、PDF 生成(reportlab,含自定义页眉页脚模板)、合并/拆分/提取指定页(pypdf)、AcroForm 表单填写(pypdf)、元数据读写(pypdf)、扫描件 OCR(pytesseract + pdf2image)、水印叠加(pypdf + reportlab)、HTML 转 PDF(weasyprint)。
使用方式:先明确操作类型、输入 PDF 特征(扫描件、数字版、表单)与输出要求,再按决策表选库;实现时处理加密、旋转、损坏、混合内容等边界情况;最后在多个阅读器中验证渲染,确认文本可选中、提取数据准确。
适用场景:批量生成报告、从文档抽取结构化数据、表单自动化、扫描件文字化、文档合并拆分与水印。
限制与注意:不要对可提取文本的数字 PDF 直接 OCR;需显式检测加密;避免整份大文件载入内存,应流式或分块处理;不要硬编码 A4 尺寸,应从源文件读取;注意页面旋转元数据;使用上下文管理器关闭文件句柄;表格提取需按文档类型调参。具体安装命令与收费信息暂未提供。