（4842期）docs-pdf – PDF 全栈处理专家

PDF 全栈处理专家 基于 Python 生态的一站式 PDF 处理方案，涵盖文本提取、合并拆分、OCR、表单填写、加密水印等 20+ 项核心操作，适合开发者与办公自动化场景 使用说明 核心用法 本技能提供完整的 PDF 处理解决方案，基于 Python 主流库（pypdf、pdfplumber、reportlab）与系统 CLI 工具（qpdf、poppler、tesseract）构建。核心能力覆盖五大维度： 1. 内容提取：使用 pdfplumber 进行布局感知的文本提取，支持表格自动识别并导出 Excel；OCR 扫描件通过 pytesseract 实现，支持多语言（需单独安装语言包）。 2. 文档处理：合并、拆分、旋转、重排序页面等操作使用 pypdf 完成；复杂场景推荐 qpdf CLI 以获得更高性能。 3. 安全与合规：支持 AES-256 加密、密码保护、数字水印（文本/图片），以及权限控制。 4. 表单与创建：AcroForm 填写支持 pypdf（基础）与 pdf-lib JS（中文等复杂场景）；从零创建 PDF 使用 reportlab 的 Platypus/Canvas 引擎。 5. 转换与优化：图像与 PDF 双向转换、文件压缩、损坏修复、字体分析等辅助功能。 显著优点 工具链成熟：pypdf/pdfplumber/reportlab 均为社区维护多年的标准库，API 稳定 脚本化程度高：预置 20+ 个即用脚本，降低重复编码成本 多平台支持：Linux/macOS 均有详细安装指引，含中文 OCR 特殊配置 决策清晰：快速决策树与速查表帮助秒级定位最佳工具 潜在局限 CJK 表单填充：pypdf 内置字体不支持中日韩字符，中文表单需转用 Node.js 方案 复杂排版损失：杂志/海报类 PDF 提取会丢失格式，非本工具目标场景 内存限制：500MB+ 超大文件建议改用 qpdf CLI 或分批处理 OCR 精度依赖：扫描件表格识别准确率有限，专业场景需 Camelot 等替代 适合人群 需要批量处理 PDF 的开发者与数据工程师 办公自动化（RPA）场景的技术实施者 有一定 Python 基础、愿用代码替代 Adobe 等重型软件的用户 常规风险 依赖管理复杂：需同时维护 Python 包与系统工具（poppler/qpdf/tesseract），macOS 尤其注意语言包分离安装 加密强度选项：默认使用 128bit，需显式启用 AES-256 沙箱环境限制：pip 安装需 --break-system-packages 标志 原始说明 Use this skill whenever the user wants to do anything with PDF files. Triggers include: reading or extracting text/tables from PDFs, combining or merging mul...