pdf

PDF 处理技能是一个多功能的工具包，专为需要将 PDF 处理功能集成到工作流程中的软件代理与开发人员所设计。此工具提供了一套结构化的方法来进行文档操作，从基础的行政任务到复杂的资料提取与生成流程皆可涵盖。无论您是在进行报表自动化、解析发票或是管理归档文件，此技能皆提供必要的 Python 库接口（如 pypdf, pdfplumber, reportlab）以及强大的命令行工具（如 qpdf 与 poppler-utils）。

• 高级资料提取：利用 pdfplumber 从 PDF 解析复杂表格数据，并直接转换为 pandas DataFrames，实现与 Excel、CSV 或数据库格式的无缝对接。

• 全面的文档控制：执行页面级操作，包括合并多个文件、将大型文档分割为独立章节，以及旋转页面方向以修正扫描错误。

• 自动化生成：使用 reportlab 进行程序化 PDF 创建，支持自定义页眉、页脚与样式配置的动态报表制作。

• 扫描文档处理：集成 Tesseract OCR 与 pdf2image，将影像格式的 PDF 转换为可搜索的机器可读文字。

• 安全性与元数据：通过提取元数据、套用密码保护、文档加密或添加水印来管理文档完整性。

• 输入要求：此技能针对结构化与非结构化 PDF 文件进行了优化；建议输入文档应符合标准 PDF 引擎规范，并支持 OCR 作为备援。

• 预期输出：操作结果为标准化 PDF 文件、已提取的文字字符串、导出的表格数据或加密文件。

• 实用建议：针对大规模批处理，建议使用命令行工具（qpdf, pdftotext）以降低相较于纯 Python 脚本的内存开销。在执行自动化填写表单前，请务必确认字段名称。

• 限制：虽然此技能在资料提取与生成方面表现出色，但极复杂的矢量图形或具有权限限制的加密文件可能需要特殊处理或验证密钥。