PDF 智能处理套件

要解决的具体问题

PDF 里常混杂文本层、扫描页、复杂表格和页面属性，直接用单一库很难稳定完成任务：有的文档可复制，有的需要 OCR；有的表格带合并单元格，有的只是图片。filesystem-v23 把常见 PDF 处理拆成可组合步骤，围绕提取、转换、页面操作和安全属性做统一封装。

技能如何工作

• 文本提取：用 pdfplumber 或 PyPDF2 读取文本层，支持纯文本或结构化布局。
• 表格识别：结合 pdfplumber 与 camelot-py，将表格整理为 CSV/Excel 类结构。
• OCR 识别：对扫描件、图片型 PDF 调用 pytesseract 做文字识别，依赖本地 Tesseract。
• 格式转换与页面操作：通过 pdf2image、reportlab、Pillow 处理 PDF 转图片、生成或编辑。
• 安全与元数据：处理加密、解密、水印、签名和文档属性读写。

适合需要把 PDF 解析结果交给脚本、RAG、表格清洗或自动化流程的场景；对纯图片 PDF 必须先做 OCR，复杂排版表格仍需人工核对。