用途:该技能提供处理 PDF 文档的工具,面向需要从 PDF 中获取内容或对 PDF 进行操作的场景。
主要能力:文本提取(从 PDF 页面提取文本内容);表格提取(从 PDF 中提取表格数据);表单填写(用提供的数据填写 PDF 表单);文档合并(将多个 PDF 合并为一个)。
使用方式:文档给出以 pdfplumber 提取文本的示例,使用 pdfplumber.open 打开文件后对页面调用 extract_text 获取文本。表单填写的完整指南见 FORMS.md。另提供实用脚本:运行 scripts/analyze_form.py 可提取表单字段,运行 scripts/extract_text.py 可从 PDF 提取文本。
适用场景:需要在处理 PDF 文件、表单或相关文档时进行读取、抽取或组合操作。
限制与建议:处理前应先验证 PDF 文件;需要优雅处理带密码保护的 PDF;需检查是否为扫描版 PDF,扫描件可能需要 OCR。具体支持的参数、安装依赖与更完整用法,资料中暂未提供。