用途:提供 PDF 处理的常用操作指南,覆盖读取、提取、编辑、生成等任务。
主要能力:
- pypdf:读取页数、提取文本与元数据、合并、拆分、旋转页面、加水印、加密。
- pdfplumber:按布局提取文本、提取表格并可转为 pandas DataFrame 导出 Excel。
- reportlab:用 Canvas 或 Platypus 创建单页/多页 PDF。
- 命令行:pdftotext 提取文本(支持 -layout、-f/-l 指定页);qpdf 合并、拆分、旋转、解密;pdftk 合并、拆分、旋转;pdfimages 导出图片。
- OCR:用 pdf2image 转图片后配合 pytesseract 识别扫描件。
使用方式:安装对应 Python 库或命令行工具后,按资料中的代码或命令执行;示例包括合并、拆分、旋转、加密、提取表格等。表单填写需参考 forms.md,高级用法见 reference.md。
适用场景:文档批量处理、数据提取、报告生成、扫描件数字化、加密与解密等。
限制与说明:OCR 需额外安装 pytesseract 与 pdf2image;部分工具可用性未明确(如 pdftk);费用、平台、价格、效果等资料暂未提供。