用途:提供 PDF 处理的常用操作指南,覆盖读取、提取、生成、合并、拆分、旋转、加密、水印和 OCR 等任务,并说明各任务推荐使用的工具。
主要能力:pypdf 用于基础操作,如读取页数、提取文本、合并与拆分 PDF、读取元数据(标题、作者、主题、创建者)、旋转页面、添加水印与密码加密;pdfplumber 用于带布局的文本提取以及表格提取,可配合 pandas 将表格汇总导出为 Excel;reportlab 用于创建新 PDF,支持简单画布绘制文本和线条,也支持多页文档、段落、样式与分页;命令行工具 pdftotext、qpdf、pdftk、pdfimages(poppler-utils)用于文本提取、合并拆分、旋转、解密和图像提取;对扫描版 PDF 可先经 pdf2image 转为图片再用 pytesseract 做 OCR;表单填写需参考 references/forms.md,进阶用法与 JavaScript 库 pdf-lib 见 references/reference.md。
使用方式:按需选择 Python 库或命令行工具,示例中给出可直接运行的代码片段与命令,例如 pdftotext input.pdf output.txt、qpdf 合并与拆分命令等。
适用场景:需要从 PDF 中提取文本与表格、生成报告、批量合并/拆分、页面旋转、加水印、加密解密,以及处理扫描件和表单的工作流。
限制:表格提取需检查结果是否为空;OCR 依赖先转换为图片;表单填写有单独指引,部分高级功能需查阅参考文件;资料未说明具体收费、平台支持或性能指标,相关内容暂未提供。