Agent Skills
返回列表
📁

PDF 处理指南

办公效率 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/guohongbin-git-pdf-cn-101。

技能介绍

要解决什么问题

日常工程里经常要在脚本或流水线里动 PDF:把多份文件合成一份、按页拆开、从版式复杂的页面里抠正文和表格、给扫描件做 OCR,或者从零用代码生成带多页和上下标的 PDF。纯靠搜索引擎容易陷在库版本差异和「该用哪一把锤子」里,尤其是 ReportLab 里误用 Unicode 上下标会直接打出黑块。

技能如何工作

本技能按 工具选型 → 常见任务 组织,核心是 Python 三件套加命令行补充:

  • pypdf:合并、拆分、读元数据、旋转页面等基础读写。
  • pdfplumber:带版式的 extract_text(),以及 extract_tables() / 进阶表格抽取。
  • reportlab:用 Canvas 或 Platypus 建 PDF;多页文档与上下标要用 XML 标记或手调字号位置,不要在 Paragraph 里写 Unicode 上下标字符。
  • 命令行:pdftotext(poppler)、qpdf(例如空壳合并页)、pdftk(若环境有);扫描件文本可走 pytesseract,需先转图像。

技能内还提供任务速查表(合并用 writer.add_page(page)、表格用 pdfplumber、表单填写指向 FORMS.md),进阶 pypdfium2、JavaScript pdf-lib 与排错见 REFERENCE.md。

适用边界

这是操作指南,不是某单一库的 API 手册全文;填 PDF 表单、水印、密码保护、抽图等会点到入口,细节以技能附带的 FORMS.md / REFERENCE.md 为准。环境里没有 pdftk 时需改用 pypdf 或 qpdf 路线。

使用场景

  • 法务归档前要把数十个单页 PDF 按案件顺序合并成一份交付包
  • 从季报 PDF 里用 pdfplumber 抽出带边框的财务表格写入内部分析脚本
  • 扫描合同需要先转图像再 pytesseract 识别,才能把条款文本灌进检索索引
  • 用 reportlab 批量生成带化学式上下标的技术说明页,避免 Unicode 上下标变黑块

适合人员

  • 维护数据管道的后端,要在定时任务里合并上传附件并抽取表格字段
  • 做尽职调查的研究员,需要从大量 PDF 报告中稳定提取正文与表格而非手工复制
  • 用 Python 出报告的研发文档工程师,要程序化生成多页 PDF 并正确处理上下标版式
  • 运维或 SRE 在 Linux 服务器上偏好 poppler/qpdf 命令行处理批量 PDF 转换