pdf（PDF处理技能Skill）Skill 到底能做什么？

PDF处理技能Skill：把 PDF 处理从手工点击变成可编程流水线

核心结论速览：

它是什么：一个以 PDF 为核心对象的文档处理技能，覆盖「提取文本/表格 → 创建 PDF → 合并/分割 → 加解密 → 填表单 → OCR」全链路，主战场是 Python 库与命令行工具的程序化调用。
它解决什么：让 AI 助手不再只会“读一段 PDF 文字”，而是能真正写出可执行、可复用的 PDF 处理脚本与命令行流程。
最大差异点：内置“视觉增强”思路——创建文档时会主动建议用 scientific-schematics 技能生成出版级示意图，把纯文字 PDF 升级为带图表说明的文档。
谁最该用：需要批量处理合同的法务/财务、要抽取表格的运营与分析师、要做报表自动化的后端与数据工程师、需要给扫描件做 OCR 的行政岗位。
上手门槛：低。你不必自己记住 pypdf、pdfplumber、reportlab 的 API，用自然语言描述任务，技能会给出对应代码与命令。

该技能叫什么？如何一键安装 AI 技能提升开发效率？

基本信息：

项目	内容
技能中文名	PDF处理技能Skill
技能英文名	pdf
技能 ID	13042
能力定位	PDF 操作工具包。提取文本/表格，创建 PDF，合并/分割，填充表单，用于程序化文档处理和分析
授权方式	专有许可，完整条款见 LICENSE.txt

它解决的问题很具体：日常工作中与 PDF 打交道时，最费时间的往往不是“打开文件”，而是那些重复动作——把 30 份合同里的甲方信息抄出来、把月度报告里的销售表格扒成 Excel、把 50 个单页 PDF 合成一本、给扫描件补一层可搜索的文字、把报价单填好再发出去。这些动作要么靠付费软件一遍遍点鼠标，要么靠现查资料手写脚本，前者累、后者散。

这个技能的价值在于：它把「查哪家库、怎么写代码」这一步交给了 AI，你只描述任务目标，它给出可直接运行的 Python 代码或命令行指令。这就是“一键安装 AI 技能提升开发效率”的底层逻辑——装一次，以后所有 PDF 相关的编码劳动都能被压缩成一句话需求。

一键安装的思路与步骤：

确认安装前提：该技能以 Python 库和命令行工具为执行底座，因此需要本机具备 Python 运行环境，以及按需安装的依赖，例如 pypdf、pdfplumber、reportlab、pandas；命令行侧涉及 poppler-utils（pdftotext、pdfimages）、qpdf，以及可选的 pdftk；扫描件 OCR 场景需要 pytesseract、pdf2image 及 Tesseract 引擎。技能详情中明确给出的安装示例为 pip install pytesseract pdf2image，其余依赖请以官方说明为准。
在技能入口执行安装：在所用平台的技能市场/技能库中找到该技能（英文名 pdf，技能 ID 13042），通过一键安装入口添加。具体按钮位置、可用命令与是否支持离线安装，以官方说明为准。
确认授权条款：该技能为专有许可，安装前建议先阅读 LICENSE.txt 中的完整条款，确认使用范围符合你的项目要求。
验证是否生效：安装完成后，直接向 AI 提出一个最小任务，例如“读取 document.pdf，告诉我它有多少页，并提取第 1 页文本”。若返回页数与文本内容，说明技能已正常挂载；若返回的是 pypdf 代码而非执行结果，说明当前环境更偏向“给代码”模式，你需要按代码自行运行。
补充参考文档：技能自带 reference.md（高级用法、pypdfium2、pdf-lib 等）与 forms.md（表单填充指南），遇到进阶需求时可直接让 AI 引用这两份文档。

该技能的主要功能和特点

文本提取（保留布局）：基于 pdfplumber，page.extract_text() 能较大程度还原阅读顺序；命令行侧可用 pdftotext -layout，还支持 -f/-l 指定页码范围，适合只看第 1 到第 5 页的场景。
表格提取并落成 Excel：先用 page.extract_tables() 拿到二维列表，再用 pandas 组装 DataFrame，多页多表可 concat 合并后一次性导出 xlsx。这是财务、运营、研究岗位最高频的需求之一。
创建与排版 PDF：基于 reportlab，低阶用 Canvas 画文本与线条，高阶用 Platypus（SimpleDocTemplate + Paragraph + Spacer + PageBreak）拼多页结构化报告，自动分页、套用样式表。
合并、分割、旋转：合并用 PdfWriter.add_page 循环追加；分割按页拆成 page_1.pdf、page_2.pdf；旋转用 page.rotate(90) 顺时针转页。命令行等价方案是 qpdf / pdftk。
元数据读取：读 Title、Author、Subject、Creator，适合做文档资产盘点与归档校验。
水印、加密、解密：用 page.merge_page(watermark) 把水印页叠加到每一页；writer.encrypt(user, owner) 加双重密码；qpdf 的 --decrypt 可在有密码时解除限制。
图像抽取：pdfimages -j input.pdf output_prefix 批量导出内嵌图片，产出为编号 jpg。
扫描件 OCR：convert_from_path 把 PDF 转成图像，再交给 pytesseract 逐页识别，输出带页码标记的文本。
表单填充：技能内提供 forms.md 专项说明，主推 pdf-lib 或 pypdf 两条路线，属于较高级能力，建议按文档步骤操作。
视觉增强（差异化亮点）：创建文档时，技能会主动提醒你补充科学图表与示意图；可调用 scientific-schematics 技能，用一句自然语言描述即生成出版级示意图，并由 Nano Banana Pro 自动审查、迭代优化，兼顾可访问性（色盲友好、高对比度），输出到 figures/ 目录。触发命令形如 python scripts/generate_schematic.py "你的示意图描述" -o figures/output.png。
任务-工具映射清晰：技能内置一张“快速参考”表，把合并、分割、提取、创建、OCR、表单等任务直接对上最佳工具，减少选型纠结。
和普通工具比强在哪：普通 PDF 工具给你一个界面，一次只能处理一个文件；这个技能给你代码，一次能处理一千个文件，并且代码可版本化、可复跑、可塞进 CI 流水线。

如何使用该技能？

第 1 步：明确任务类型，用自然语言描述

不要只说“帮我处理 PDF”，要说清楚目标，例如：“把 quarterly/q1.pdf、q2.pdf、q3.pdf、q4.pdf 按顺序合并成 year.pdf，并告诉我合并后的总页数。”

第 2 步：选择调用方式

对话式（推荐新手）：直接向 AI 描述任务，技能会返回对应代码或命令。
代码式（推荐熟手）：自己写脚本，用技能提供的 API 参考快速定位函数名与参数。
命令行式（推荐批处理）：用 qpdf / pdftotext / pdfimages 组合成 shell 脚本，适合服务器环境。

第 3 步：按示例改写

读取与提取文本：

from pypdf import PdfReader

reader = PdfReader("document.pdf")
print(f"总页数：{len(reader.pages)}")   # 输出页数

text = ""
for page in reader.pages:
    text += page.extract_text()          # 逐页累加文本

合并多个 PDF（输出 merged.pdf）：

from pypdf import PdfWriter, PdfReader

writer = PdfWriter()
for pdf_file in ["doc1.pdf", "doc2.pdf", "doc3.pdf"]:
    for page in PdfReader(pdf_file).pages:
        writer.add_page(page)

with open("merged.pdf", "wb") as output:
    writer.write(output)

提取表格并导出 Excel：

import pdfplumber, pandas as pd

all_tables = []
with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        for table in page.extract_tables():
            if table:                                     # 过滤空表
                all_tables.append(pd.DataFrame(table[1:], columns=table[0]))

if all_tables:
    pd.concat(all_tables, ignore_index=True).to_excel("extracted_tables.xlsx", index=False)

命令行速用示例：

提取文本并保留版式：pdftotext -layout input.pdf output.txt
只提第 1-5 页：pdftotext -f 1 -l 5 input.pdf output.txt
合并：qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf
解除密码：qpdf --password=mypassword --decrypt encrypted.pdf decrypted.pdf

第 4 步：核对输出

重点检查三件事：页数是否一致、中文/生僻字是否乱码（部分 PDF 需换用 pdfplumber 或 OCR 兜底）、表格是否串列（合并单元格较多的表可能需要人工校正表头）。

第 5 步：进阶串联

需要配图时，追加一句“为新文档生成一张处理流程示意图”，技能会引导调用 scientific-schematics；需要填表单时，明确说“按 forms.md 的流程填充这份表单”。

同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势与不足
PDF处理技能Skill（pdf）	AI 驱动的 PDF 编程助手	文本/表格提取、创建、合并分割、旋转、水印、加解密、OCR、表单、配图建议	低：装好技能即可用自然语言提问；需 Python 环境与按需依赖	批量处理、脚本化流水线、需要代码可复用的团队	优势：自然语言到可运行代码，任务-工具映射清晰，附 reference.md / forms.md；不足：依赖本机环境配置，图形化所见即所得体验较弱
Adobe Acrobat 类桌面软件	商业图形化 PDF 编辑器	编辑、批注、表单、签名、转换、OCR	低：装完即用；需付费订阅	单份重要文档的精修、签署、审阅	优势：可视化体验成熟；不足：批量处理弱、难以纳入自动化流程、订阅成本较高
在线 PDF 工具网站	免安装网页工具	合并、压缩、转换、加水印等常用项	极低：浏览器打开即可，但通常有文件大小与次数限制	临时救急、单个文件处理	优势：零配置；不足：涉及敏感文档时存在合规顾虑，无法编程复用
通用脚本/命令行工具（pypdf、qpdf、pdftk 等）	底层工具箱	与技能底座基本重合	中高：需自行查文档、记参数	工程师自建流程	优势：完全可控、免费；不足：学习成本高、易出错，排错靠搜文档

一句话选型建议：要精修单份文档选桌面软件，要临时救急选在线工具，要批量和自动化选这个技能，要极致可控且不计时间成本就自己写脚本。

该技能的典型应用场景与实际体验情况

场景一：法务/财务的合同信息汇总 角色是法务专员，面对上百份 PDF 合同，痛点是逐份打开、复制甲方名称与金额、粘贴进表格，一份要两三分钟。使用方式是把一批合同放进同一个目录，让技能生成批量提取脚本，先用 pdfplumber 提取文本、再用正则或关键词定位字段，最后汇总成一份 Excel。实际体验：上手几乎无门槛，对话式提问就能拿到可运行代码；效果上批量处理速度提升明显，但要注意扫描版合同必须走 OCR 分支，否则提取出来是空文本——这是最容易踩的坑。

场景二：运营/分析师的报表取数 角色是业务分析师，月度报告里夹着多张跨页表格，痛点是复制到 Excel 后错行、合并单元格全乱。使用方式是让技能用 extract_tables() 取表、pandas 拼装、多页 concat 后导出 xlsx。实际体验：规整表格几乎一次成功；复杂合并表头需要人工修正第一行，建议先拿一页试跑再全量执行。

场景三：后端工程师的文档流水线 角色是后端开发，产品要求“用户上传多个 PDF 后自动合成一份带封面、带页码的交付文档”。使用方式是 reportlab 的 Platypus 拼封面与正文，pypdf 做合并与旋转校正，qpdf 做权限与密码处理，最后接进服务端定时任务。实际体验：技能内置的“任务-工具映射”表显著减少选型时间；注意加密输出要妥善保存 owner 密码，否则后续无法解除限制。

场景四：行政/人事的扫描件数字化 角色是行政专员，历史档案全是扫描 PDF，痛点是无法搜索、无法复制。使用方式是 convert_from_path 转图像 + pytesseract 逐页 OCR，输出带页码标记的文本。实际体验：识别质量取决于扫描清晰度，建议先抽 2-3 页验证准确率再跑全量；纯图片 PDF 也应先判断是否含文本层，避免不必要的 OCR 开销。

整体体验小结：上手难度低，效果取决于输入文档质量与你的任务描述清晰度。两条注意事项最值得记住——先小样本验证，再全量执行；遇到中文乱码或空文本，优先换库或转 OCR。

该技能能为用户带来的价值

效率层面的直接收益：原本需要逐份点击的合并、拆分、提取、加水印操作，被压缩成一段可复跑脚本，处理 1 份和处理 500 份的时间差几乎为零，边际成本趋近于零。
技术门槛的实质下降：不必记住 pypdf、pdfplumber、reportlab、qpdf 各自的参数差异，用中文描述任务即可拿到对应实现；对非科班的产品、运营、法务人员来说，这是从“求人帮忙写脚本”到“自己就能跑通”的跨越。
交付质量的一致性提升：脚本化意味着同一批文档按同一套规则处理，不会因为人工疲劳出现“这份加了水印、那份忘了”的偏差，审计与合规场景尤其受益。
知识沉淀的长期价值：写出来的脚本可版本化、可注释、可交接，团队里任何人下次遇到同类任务直接改路径即可复用，形成组织级的文档处理资产。
文档表达力的升级：内置的视觉增强思路鼓励为新文档默认配图，借助 scientific-schematics 生成出版级示意图，让原本“只有文字和图钉”的 PDF 变成能讲清架构、流程与关系的专业文档。
可量化的参考口径：以“单份文档人工处理 2-3 分钟、脚本批处理近似瞬时”估算，百份级任务的节省量以小时计；具体收益取决于文档规整程度与依赖环境，建议按自己的场景实测。

常见问题 FAQ

Q1：这个技能怎么安装？需要提前准备什么？ 在技能市场/技能库中搜索英文名 pdf 或技能 ID 13042，通过一键安装入口添加。安装前建议确认本机有 Python 环境；按任务需要补充 pypdf、pdfplumber、reportlab、pandas、poppler-utils（pdftotext、pdfimages）、qpdf、pdftk 等依赖，OCR 场景按详情示例执行 pip install pytesseract pdf2image。具体安装命令与入口位置以官方说明为准。安装后可用“读取某 PDF 的页数并提取第 1 页文本”来验证。

Q2：这个技能收费吗？ 技能详情标注为专有许可，完整条款在 LICENSE.txt 中，请以该文件与实际平台的说明为准。底层依赖的 Python 库与命令行工具各自遵循其开源或商业许可，商用前建议逐一核对。

Q3：它适合谁用？我只想改一下 PDF 里的错别字，合适吗？ 它更适合批量、可重复、需要脚本化的 PDF 处理，例如提取、合并、分割、OCR、加水印、加密码、生成报表。如果你的需求是逐字编辑单份文档的正文排版，图形化 PDF 编辑器会更顺手。判断标准很简单：这件事你今年会做第二次以上吗？会，就用它写成脚本。

Q4：和在线 PDF 工具、桌面软件比，我该怎么选？ 看三个维度：量（单份用在线工具，成百上千份用本技能）、敏感性（涉密文档不要上传到第三方网站）、复用性（要纳进自动化流程就必须脚本化）。三者并不互斥，很多团队是“桌面软件做精修、技能做批量”。

Q5：扫描版 PDF 提取不出文字怎么办？ 不是技能失效，而是文件本身没有文本层。走 OCR 分支：先用 pdf2image 把 PDF 转成图像，再用 pytesseract 逐页识别。注意识别质量与扫描分辨率、倾斜度强相关，建议先抽几页验证准确率，再决定是否全量跑。表格类扫描件即使 OCR 成功，结构化还原仍可能需要人工校正。