PDF 多功能处理工具

解决哪些具体问题

• 本地 PDF 处理需求：当需要将 PDF 转为高分辨率图片、提取内嵌图片、拆分或合并文档时，传统在线工具存在隐私风险且依赖网络。本技能通过本地运行环境实现全流程离线处理，避免文件外传。
• 扫描件与加密文档处理：针对扫描版 PDF 或图片中的文字提取，普通文本提取工具无法识别，需通过 OCR 技术解析；加密 PDF 则需密码验证后操作，避免暴力破解风险。
• 批量操作与参数控制：在文档管理场景中，用户常需批量添加水印（如机密标识）、调整图片水印透明度/角度、或按页码范围处理部分文档，手动操作效率低且易出错。

核心能力与执行流程

技能提供 8 种功能模式，通过参数化指令实现精准控制：

• 信息查询（mode=info）：解析页数、尺寸、加密状态及元数据，输出 JSON 格式供程序调用。
• 格式转换（mode=img/mode=extractimg）：将 PDF 渲染为 PNG/JPEG（支持 DPI 设置），或直接提取内嵌图片为 PNG 文件。
• 内容处理（mode=text/mode=ocr）：文本型 PDF 通过 pdftotext 快速提取文字；扫描版 PDF/图片通过 Tesseract OCR 识别，支持中英文混合识别及坐标输出。
• 文档重组（mode=split/mode=merge）：按页拆分或多文件合并，输出命名规则清晰（如 split_1.pdf）。
• 水印与标识（mode=watermark）：支持文字/图片水印，可调节透明度（0.0-1.0）、角度（-180°至180°）、布局（平铺/居中/网格）及字体（自动探测中文）。

关键执行步骤：

1. 上传文件或指定本地路径，系统自动填充临时路径；
2. 选择功能模式并设置参数（如 dpi=300 提升 OCR 精度）；
3. 加密文档需提供密码（pwd=123456）；
4. 输出文件保存至 ./pdf_output 目录，支持自定义文件名。

适用边界与注意事项

• 加密文档限制：仅支持已知密码的加密 PDF，无法破解无密码文档。
• OCR 识别范围：图片格式需为 PNG/JPG/TIFF 等常见格式，且文字需清晰；模糊或艺术字体可能降低识别率，可通过调整 ocr_dpi 和 ocr_conf 优化。
• 文本型 PDF 优先：若文档为纯文本生成，优先使用 mode=text 提取，避免 OCR 耗时；扫描版 PDF 自动触发 OCR 流程。
• 水印去除提示：如需去除已有水印，需提供原始水印参数（文字内容/图片名/透明度/角度），否则无法完全还原。
• 本地环境依赖：首次使用需联网安装 Python 3.14 和 Poppler 环境（约 38MB），后续操作纯离线完成，适合隐私敏感场景。