PDF Toolkit 是一个面向 PDF 文档处理的命令行工具，主要脚本为 scripts/pdf_extract.py，通过 --action 参数指定不同操作。
【主要能力】 它提供五类操作：info 提取元数据（标题、作者、页数、大小、PDF 版本）；text 提取每一页的全部文本；classify 判断 PDF 是扫描版（基于图像）还是文本版；merge 将多个 PDF 合并为一个；split 将 PDF 拆分为单页文件。
【使用方式】 命令形式为 python3 skills/pdf-toolkit/scripts/pdf_extract.py --action <操作>，配合相应参数。例如： 查看信息：python3 skills/pdf-toolkit/scripts/pdf_extract.py --action info --input report.pdf 提取文本（并以 JSON 输出）：python3 skills/pdf-toolkit/scripts/pdf_extract.py --action text --input report.pdf --json 判断是否为扫描版：python3 skills/pdf-toolkit/scripts/pdf_extract.py --action classify --input report.pdf 合并多个 PDF：python3 skills/pdf-toolkit/scripts/pdf_extract.py --action merge --inputs a.pdf b.pdf --output combined.pdf 拆分为单页：python3 skills/pdf-toolkit/scripts/pdf_extract.py --action split --input report.pdf --output-dir output/pages
【适用场景】 适合需要快速检查 PDF 元数据、批量提取文字内容、判断文档可检索性、合并或拆分 PDF 页面的场景。
【注意事项与限制】 扫描版 PDF 没有可选中文本，text 提取结果为空，可用 classify 检测，OCR 需借助外部工具（如 Tesseract）。加密 PDF 需要提供 --password，pypdf 可处理大多数加密类型。对于 1000 页以上的大文件，使用 pdfplumber 的文本提取比 pypdf 慢但质量更高，建议先用 info 查看页数。merge 会保留每个输入文件的全部页面。split 输出到 --output-dir（默认 output/split_pages），每页命名为 page_0001.pdf。