PDF 处理工具箱

解决什么问题

日常 PDF 往往不是单一操作：合并报告、按章节拆分、抽取表格、给扫描件做 OCR、加水印或加密，工具之间来回切换很容易出错。本技能把常用路径收敛到 pypdf、pdfplumber、reportlab 以及 qpdf、pdftotext、pdfimages 等命令行工具，适合工程师在本地或脚本环境中快速完成 PDF 处理。

如何工作

它按任务选择工具：合并、拆分、旋转优先使用 pypdf 或 qpdf；文字与表格提取使用 pdfplumber；新建 PDF 使用 reportlab。对于扫描件，可组合 pdf2image 与 pytesseract 做 OCR；对于加解密、批量页面操作，qpdf 提供稳定的 CLI 方式。进阶示例集中在 references/pdf_reference.py，可直接运行参考。

注意点

reportlab 内置字体不含 Unicode 上下标字形，渲染 ₂、³ 可能出现黑块，建议改用 XML 标签。OCR 依赖系统 Tesseract；图片提取、文字提取依赖可选 CLI 工具。它适合脚本化、批处理和轻量生成，不适合复杂排版、设计级重排或高保真页面重建。