pdf

用途：在需要处理 PDF 文件时使用，包括读取、提取文本/表格、合并、拆分、旋转、创建、加密、加水印、提取图片和对扫描件做 OCR。

主要能力与用法：

• pypdf：基础操作。读取 reader = PdfReader("document.pdf")；合并用 PdfWriter 的 add_page；拆分按页逐个写出；读取元数据 reader.metadata；旋转 page.rotate(90)；加密 writer.encrypt("userpassword", "ownerpassword")；加水印用 page.merge_page(watermark)。
• pdfplumber：文本与表格提取。page.extract_text() 提取文本；page.extract_tables() 提取表格，可配合 pandas 合并后导出 Excel。
• reportlab：创建 PDF。用 canvas.Canvas 或 platypus 的 SimpleDocTemplate 构建多页文档。注意：ReportLab 内置字体不支持 Unicode 上下标字符，应改用 <sub>、<super> 标签；画布文本则手动调整字号与位置。
• 命令行工具：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（burst）、旋转。
• OCR：扫描件需先 pip install pytesseract pdf2image，用 convert_from_path 转图像后 pytesseract.image_to_string 逐页识别。
• 提取图片：pdfimages -j input.pdf output_prefix。

限制与补充：填充 PDF 表单需阅读 FORMS.md，高级 pypdfium2 与 JavaScript（pdf-lib）用法见 REFERENCE.md，排错见 REFERENCE.md。部分工具（如 pdftk）未必可用；文档未提供收费标准、平台要求或效果保证。