SuperAPI AI 工具集

pdf

办公与效率

查看项目

更新于 10-16 05:51

技能介绍

用途:提供 PDF 处理的综合能力,包括提取文本和表格、创建新 PDF、合并或拆分文档,以及处理 PDF 表单(表单操作指引见 forms.md,高级特性与示例见 reference.md)。

主要能力与用法: 文本与表格提取方面,pypdf 可读取页数并逐页调用 page.extract_text() 提取文本;pdfplumber 支持带版式的文本提取与 page.extract_tables() 表格提取,可配合 pandas 汇总表格并导出 Excel。命令行中 pdftotext input.pdf output.txt 可提取文本,加 -layout 保留版式,加 -f 1 -l 5 指定页码范围。 文档操作方面,pypdf 的 PdfWriter.add_page 可合并多份 PDF 页面并写出,也可逐页拆分;page.rotate(90) 可旋转页面;merge_page 可叠加水印;writer.encrypt 可添加用户与所有者密码。qpdf 命令行支持 --empty --pages 合并、--pages . 1-5 拆分、--rotate=+90:1 旋转、--password 与 --decrypt 解密;如可用,pdftk 也支持合并、burst 拆分与 rotate 旋转。 创建 PDF 方面,reportlab 可用 canvas 绘制文本与线条,或用 SimpleDocTemplate 配合 Paragraph、Spacer、PageBreak 构建多页文档。 其他任务:扫描版 PDF 可先用 pdf2image 转图像再用 pytesseract 做 OCR;pdfimages -j input.pdf output_prefix 可提取图片。

限制:资料未给出安装步骤、性能上限、特定平台或效果保证,OCR 需另行安装 pytesseract 与 pdf2image;表单填写需遵循 forms.md,高级用法与 JavaScript 库见 reference.md。