pdf

此 PDF 处理技能为 Claude 提供了一个强大的框架，用于以程式化方式与 PDF 文件进行互动。无论您需要将复杂的表格数据提取为 Excel 格式、合并多份技术报告、分割过大的文件，还是动态生成新的 PDF，此技能都整合了专业的 Python 库与系统级工具。它专为工程师、数据分析师和研究人员设计，能够在自动化工作流程中精确控制基于文档的数据提取与内容创建任务。透过使用 pypdf、pdfplumber、reportlab 以及 poppler-utils 和 qpdf 等系统工具，该技能弥补了静态文档与可操作数据之间的差距，从而实现高吞吐量的处理与可靠的文件操作。

• 进阶数据提取：使用 pdfplumber 解析表格与文字布局，将非结构化文档转换为结构化的 Pandas DataFrame 或 Excel 文件。

• 文件组成与修改：使用 pypdf 和 qpdf 以程式化方式合并、分割、旋转 PDF 页面并加入浮水印。

• 自动化 PDF 生成：利用 reportlab 从零开始构建多页报告、发票或动态文档。

• 光学字元辨识 (OCR) 与扫描档支援：使用 pytesseract 和 pdf2image 处理无法搜索的图像扫描档，恢复文字内容。

• 安全与元数据：提取文件属性或对敏感文件施加密码保护与加密。

• 命令列整合：在 Linux 环境中无缝使用 pdftotext、pdftk 等系统级工具进行高效批次操作。

• 此技能作为代理程式可存取的工具包运作；只需指定文件路径与所需操作（例如“提取文档中的所有表格”）即可触发相关脚本。

• 进行表格提取时，请确保文档结构一致，以提高输出数据框的准确性。

• 处理扫描档时，请确保主机环境已安装 Tesseract OCR 依赖项。

• 若有复杂的表单填写或进阶动态布局需求，请参阅技能文档中提供的 forms.md 或 reference.md 文件。

• 大规模操作建议透过批次回圈进行处理；在同时处理数百页文件时，请确认文件权限与系统内存限制。