用途:提供 PDF 处理的操作指引,覆盖读取、提取、生成、合并拆分、页面调整、加密水印与扫描件 OCR 等常见任务。
主要能力:使用 pypdf 读取页数、提取文本与元数据、合并、拆分、旋转页面和加解密;使用 pdfplumber 提取带版式文本及表格,可结合 pandas 汇总导出 Excel;使用 reportlab 通过 Canvas 或 Platypus 新建单页、多页 PDF;命令行方面,pdftotext 支持按页与保留版式提取,qpdf 支持合并、拆分、旋转和去除密码,pdftk 可合并、burst 拆分与旋转,pdfimages 导出内嵌图片;扫描件可先用 pdf2image 转图片再以 pytesseract 做 OCR;可加载水印 PDF 并逐页合并。
使用方式:按任务选用对应库或命令,例如合并 PDF 时用 pypdf 的 PdfWriter 逐页 add_page,命令行合并用 qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf。表单填写需参考 forms.md,进阶用法与 JavaScript 库见 reference.md。
适用场景:文档批量处理、数据抽取、报表生成、脱敏与权限控制等。
限制:OCR 需额外安装 pytesseract 与 pdf2image;pdftk 视环境是否可用;表单填写与高级示例的具体步骤未在本文给出,需查阅相关文档;未提供收费、平台与效果等信息。