用途:处理各类 PDF 文件任务,包括文本/表格提取、合并、拆分、旋转、水印、创建、表单填写、扫描件 OCR、图片提取和密码保护。
主要能力:
- pypdf:读取页数、提取文本与元数据、合并、拆分为单页、旋转页面、加密和加水印。
- pdfplumber:按版式提取文本,extract_tables() 提取表格,可结合 pandas 拼接并导出 Excel。
- reportlab:用 Canvas 或 Platypus 创建单页/多页 PDF。注意内置字体不含 Unicode 上下标字符,需用 <sub>/<super> 标签,Canvas 文本则手动调字号与位置。
- 命令行:pdftotext 提取文本(-layout 保留版式,-f/-l 指定页范围);qpdf 合并、拆分、旋转、解密;pdftk 合并、拆分、旋转;pdfimages 提取图片。
- 扫描件 OCR:先用 pdf2image 转图像,再用 pytesseract 识别。
- 加密:pypdf 的 writer.encrypt() 设置用户与所有者密码。
必要用法示例:qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf;pdftotext -layout input.pdf output.txt。
高级特性、JavaScript 库(pdf-lib)、表单填写流程和排错指南分别见 REFERENCE.md 与 FORMS.md,本次资料未提供其内容。
限制:资料未说明运行环境、依赖版本、收费或性能等信息;部分工具(如 pdftk)标注“如果可用”。