PDF 处理指南

解决的问题

PDF 文件在办公自动化中经常以非结构化形式存在：合并、拆分、提取文本或表格、生成简单报告、加水印和保护文件，都不适合靠人工操作或单一 GUI 完成。该技能面向工程师提供一套基于 Python 和命令行的 PDF 处理路径，重点解决脚本化、可重复执行的日常文档任务。

工作方式

• 基础文档操作：使用 pypdf 完成合并、拆分、提取元数据、旋转页面等任务。
• 内容提取：使用 pdfplumber 提取带布局的文本和表格，适合把 PDF 中的信息转成结构化数据。
• 文档创建：使用 reportlab 的 Canvas 或 Platypus 生成单页或多页 PDF。
• 命令行补充：通过 pdftotext、qpdf 等工具处理文本转换、合并等批量操作。
• 扫描件与常见任务：将扫描件转为图像后使用 pytesseract 做 OCR，并覆盖水印、密码保护等场景。
• 表单与进阶：PDF 表单填写需遵循 forms.md，JavaScript 库、详细示例和排障内容放在 reference.md。

适用边界

该技能适合自动化脚本、办公文档批处理和简单 PDF 生成，不替代专业排版工具，也不保证复杂版面识别效果。涉及表单、高级 pypdfium2 或 pdf-lib 用法时，应按资料中的对应文档执行。