PDF

PDF Skill

photonics-dhl Updated 0 repo stars

File contents

PDF Skill

PDF 文档处理和分析。

Python 库

库 用途
pypdf 合并、分割、旋转、提取元数据
pdfplumber 文本和表格提取
reportlab 创建新 PDF
pytesseract OCR 识别

命令行工具

工具 用途
pdftotext 提取文本
qpdf 合并、分割、旋转
poppler-utils PDF 处理

常用操作

提取文本

pdftotext document.pdf output.txt

合并 PDF

qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf

表格转 Excel

import pdfplumber

with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        tables = page.extract_tables()
        for table in tables:
            # 处理表格
            pass

注意事项

  • 使用 <sub> 和 <super> 标签代替 Unicode 下标/上标
  • qpdf 的 --decrypt 标志可移除密码保护

photonics-dhl/self-learning commit 8e2026c41a

Frequently asked questions

npx get-skill add photonics-dhl/pdf