PDF 文档处理v1.0.1

免责声明：本站部分 Skill 来源于公开渠道，使用前请注意识别相关风险，内容版权归原作者所有，如 Skill 涉及版权问题，请在线反馈，核实后予以下架处理。

概述

本技能面向需要自动化处理 PDF 文档的开发与办公场景，整合 pypdf、pdfplumber、reportlab 等 Python 库与 qpdf、pdftotext 等命令行工具，覆盖从文本与表格提取、PDF 创建与合并拆分、页面旋转与水印添加，到扫描件 OCR 识别、密码保护与表单填写的完整工作流。包内附带 10 余个可执行脚本，支持将 PDF 转为图片进行可视化校验、提取表单字段信息、批量填充可填写字段，并提供回归测试保障输出可靠性。

技能包含

• SKILL.md（本文件）：技能主说明，涵盖库安装、基础操作、命令行工具与常见任务代码示例
• forms.md：PDF 表单填写专项指南，含可填写字段处理与标注流程
• reference.md：高级功能参考，包括 pypdfium2 与 JavaScript 库 pdf-lib 的详细用法
• requirements.txt：Python 生产依赖（pypdf ≥6.21.1、pdfplumber、reportlab 等）
• requirements-dev.txt：开发依赖，用于运行回归测试
• scripts/：12 个可执行辅助脚本，包括 PDF 转图片、边界框检查、表单字段提取与填充、验证图片生成、工具函数及单元测试

核心能力

• 文本与表格提取：用 pdfplumber 保留版面布局提取文本，识别并导出表格为 Excel
• PDF 创建与排版：通过 reportlab 的 Canvas 或 Platypus 生成多页图文报告
• 合并拆分与旋转：基于 pypdf 合并文档（自动隔离重名字段）、按页拆分、旋转指定页面
• 表单自动化处理：提取可填写字段信息、批量填充表单、生成验证图片确认填写效果
• 扫描件 OCR 识别：结合 pdf2image 与 pytesseract 将扫描 PDF 转为可检索文本
• 安全与批量校验：添加密码保护、渲染页面检查缺失文本与对齐问题、运行单元测试回归验证

应用场景