HaRu-LLC 目的
PDFファイルの包括的な操作を行う。テキスト・テーブル抽出、文書のマージ/分割、注釈追加、OCR処理まで対応。
トリガー語
- 「PDFを作成」
- 「PDFからテキスト抽出」
- 「PDFをマージ」
- 「PDFに注釈を追加」
- 「スキャン文書をOCR」
主要ライブラリ
pypdf
基本操作：マージ、分割、メタデータ抽出、ページ回転
from pypdf import PdfReader, PdfWriter
# マージ例
writer = PdfWriter()
for pdf in pdf_files:
reader = PdfReader(pdf)
for page in reader.pages:
writer.add_page(page)
writer.write("merged.pdf")
pdfplumber
テキスト・テーブル抽出（レイアウト維持）
import pdfplumber
with pdfplumber.open("document.pdf") as pdf:
for page in pdf.pages:
tables = page.extract_tables()
# DataFrameへ変換可能
reportlab
新規PDF作成（Canvas + Platypusフレームワーク）
コマンドラインツール
| ツール | 用途 |
|---|---|
| pdftotext | テキスト抽出（レイアウト維持オプション） |
| qpdf | マージ、分割、回転、復号化 |
| pdftk | マージ・分割の代替 |
専門タスク
スキャン文書のOCR
import pytesseract
from pdf2image import convert_from_path
images = convert_from_path("scanned.pdf")
for img in images:
text = pytesseract.image_to_string(img)
透かし（Watermark）
透かしページを既存文書にマージ
パスワード保護
pypdfの暗号化メソッドを使用
参照
- forms.md: PDFフォーム入力手順
- reference.md: 高度な機能
ライセンス
Anthropic Skills Repository License（LICENSE.txt参照）