用途
该技能面向所有与 PDF 文件相关的处理需求，包括读取或提取 PDF 中的文本与表格、合并或拆分多个 PDF、旋转页面、创建新 PDF、添加水印、加密、以及对扫描版 PDF 进行 OCR 识别。文档以 Python 库和命令行工具为核心，给出可直接运行的代码片段与命令。
主要能力
Python 库
- pypdf：基础操作，包括读取 PDF、提取文本、合并 PDF、拆分 PDF、提取元数据（标题、作者、主题、创建者）、旋转页面、添加水印、设置密码保护。
- pdfplumber：文本与表格提取，支持按布局提取文本、提取表格，并可结合 pandas 将表格导出为 Excel。
- reportlab：创建 PDF，支持 Canvas 基础绘制（文本、线条）以及 Platypus 多页文档（标题、段落、分页）。文档特别提示：在 ReportLab 中不要使用 Unicode 上下标字符（如 ₀₁₂、⁰¹²），因为内置字体不含这些字形，会渲染为黑色方块；应改用
<sub>和<super>XML 标签，或在 Canvas 中手动调整字号与位置。
命令行工具
- pdftotext（poppler-utils）：提取文本，支持保留布局（-layout）和指定页码范围（-f、-l）。
- qpdf：合并、拆分、旋转页面、移除密码。
- pdftk（如可用）：合并、拆分（burst）、旋转。
- pdfimages（poppler-utils）：提取 PDF 中的图片。
常见任务
- 从扫描版 PDF 提取文本：需安装 pytesseract 与 pdf2image，先将 PDF 转为图片，再逐页 OCR。
- 添加水印：使用 pypdf 将水印页合并到每一页。
- 提取图片：使用 pdfimages -j 输出为 JPG。
- 密码保护：使用 pypdf 的 encrypt 方法设置用户密码与所有者密码。
使用方式
文档提供快速开始示例：使用 pypdf 读取 PDF 并打印页数、遍历页面提取文本。随后按库和工具分类给出具体代码与命令。对于进阶功能（如 pypdfium2、JavaScript 库 pdf-lib）以及表单填写，文档指向 reference.md 和 forms.md，需按其中说明操作。
适用场景
- 批量合并、拆分、旋转 PDF 文件。
- 从 PDF 中抽取文本或表格并导出为结构化数据（如 Excel）。
- 生成报告类 PDF（多页、带标题与段落）。
- 对扫描件做 OCR 文字识别。
- 为 PDF 添加水印或设置密码。
- 提取 PDF 内嵌图片。
限制
- 扫描版 PDF 的文本提取依赖 OCR，需额外安装 pytesseract 与 pdf2image。
- ReportLab 内置字体不支持 Unicode 上下标字符，需改用 XML 标签或手动排版。
- 表单填写需参考 forms.md，文档未在此处展开具体步骤。
- 进阶功能与 JavaScript 库用法需查阅 reference.md，本文档未提供完整细节。