PDF 工具箱

你在处理 PDF 时通常会卡在哪

日常开发或运维里，PDF 往往出现在报表导出、合同归档、批量拆页、从扫描件里抠文字或表格等场景。纯靠在线工具不方便自动化，而库和命令行工具分散在 pypdf、pdfplumber、reportlab、poppler、qpdf 等不同文档里，选错工具时常见结果是：合并后书签丢失、表格列错位、扫描件 extract_text() 为空。

技能如何组织这些能力

本技能是一份 PDF 处理操作指南，按任务类型把 Python 与 CLI 的用法对齐到具体步骤：

• 基础读写与页面操作（pypdf）：合并、按页拆分、读取元数据、旋转页面；合并时通过 writer.add_page(page) 逐页写入。
• 文本与表格（pdfplumber）：保留版式的 page.extract_text()，以及 page.extract_tables()；复杂表格可参照技能内「高级表格提取」说明。
• 生成 PDF（reportlab）：从单页 Canvas 到多页 Platypus 文档。
• 命令行：pdftotext（poppler-utils）快速抽纯文本；qpdf 做合并等；环境里有 pdftk 时也可选用。
• 常见专项：扫描件需先转图像再用 pytesseract OCR；另有加水印、抽图、密码保护等条目；填表见 forms.md，进阶与 JS（pdf-lib）、pypdfium2 见 reference.md。

技能末尾有 Quick Reference 对照表（任务 → 推荐工具 → 命令/代码片段），便于在 Agent 对话里直接选用实现路径。

适用边界

• 扫描 PDF 不能指望 pdfplumber 直接出字，必须走 OCR 流程。
• 表单填写、疑难排查和 JavaScript 方案不在主文档展开，需按技能指向的 forms.md / reference.md 执行。
• 未安装 poppler、qpdf 或 pdftk 时，CLI 小节无法复现；Python 侧仍需对应包已安装。