（4515期）Pdf – PDF 全栈处理专家

PDF 全栈处理专家 一站式 PDF 处理工具，支持读取、合并、拆分、提取文本表格、OCR、加密及创建 PDF，覆盖个人办公与自动化场景。 使用说明 核心功能 PDF Skill 是一套全面的 PDF 处理方案，整合 Python 生态主流库（pypdf、pdfplumber、reportlab）与命令行工具（qpdf、pdftk），覆盖 PDF 生命周期全阶段： 读取与解析：pypdf 提供基础页面操作，pdfplumber 擅长保留版式的文本提取与表格结构化解析，支持直接导出为 Excel。 创建与生成：reportlab 支持从简单 Canvas 绘图到复杂多页文档（Platypus 流式布局），内置中文支持，但需注意避免使用 Unicode 上下标字符。 合并与拆分：pypdf 程序化操作与 qpdf 命令行工具双轨并行，支持按页码范围精准提取。 OCR 与扫描件处理：通过 pdf2image 将 PDF 转为图像后调用 Tesseract 实现可搜索文本转换。 安全与元数据：支持密码加密/解密、水印叠加、元数据读写及图像提取。 显著优势 工具链成熟：pypdf/pdfplumber 经多年生产验证，reportlab 是 Python PDF 生成的工业标准。 场景覆盖全：从简单文本提取到复杂表格分析、从单文件处理到批量自动化均提供代码模板。 跨平台兼容：纯 Python 实现配合 poppler-utils 等系统工具，Linux/macOS/Windows 均可部署。 零学习成本：文档提供即插即用的代码片段，Quick Reference 表格便于快速决策。 局限与风险 OCR 依赖外部引擎：Tesseract 对复杂排版、手写体识别率有限，需额外训练数据优化。 字体渲染陷阱：reportlab 内置字体不支持 Unicode 上下标，误用会导致黑框渲染。 表单填充限制：复杂 AcroForm 或 XFA 表单需依赖 JavaScript 库（pdf-lib），Python 方案能力有限。 加密强度：pypdf 实现的 PDF 加密为传统算法（RC4/AES-128），不满足高安全场景需求。 适合人群 数据分析师：批量提取财报/论文中的表格数据。 自动化开发者：构建文档处理流水线（RPA、CI/CD 报告生成）。 办公效率用户：合并扫描件、添加水印、拆分合同等日常操作。 常规风险 处理大型 PDF（>500MB）时可能出现内存溢出，建议流式处理。 扫描件 OCR 结果需人工校对，关键业务场景建议保留原始图像备份。 加密 PDF 若遗忘密码，工具无法绕过，需提前确认权限。 原始说明 Use this skill whenever the user wants to do anything with PDF files. This includes reading or extracting text/tables from PDFs, combining or merging multipl...