技能使用指南

pdf（PDF文档处理）Skill 是什么？能做什么、怎么安装使用？

PDF文档处理Skill 一站式解决 PDF 文本与表格提取、合并拆分、创建、水印加密与扫描件 OCR 难题，AI 直接给出可运行代码，批量处理效率翻倍。本文含安装步骤、使用指南、竞品对比与常见问题，开发者与办公人群都能快速上手。

PDF文档处理Skillpdf
8 个章节 约 13 分钟阅读 AI 智能生成

PDF文档处理Skill：让 AI 一句话完成 PDF 的读取、拆分、合并与生成

  • 一个技能覆盖 PDF 全流程：文本与表格提取、创建、合并、拆分、旋转、加水印、加密、OCR、表单填写，都有对应的成熟方案。
  • 不用从零查文档：内置 pypdf、pdfplumber、reportlab 与 pdftotext、qpdf、pdftk 等命令行工具的用法与代码模板，AI 可直接调用。
  • 复杂场景有兜底方案：扫描件走 OCR 流程，中文/韩文等字体渲染有专门的字体注册函数，表单填写有独立指引文档。
  • 门槛极低：把需求描述清楚，AI 就会生成可运行的代码或命令，非资深工程师也能批量处理 PDF。
  • 适合批量与自动化：一次写好脚本即可处理成百上千份文档，比手工点选工具快一个量级。

1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？

技能中文名：PDF文档处理Skill 技能英文名：pdf 技能ID：13265

这个技能要解决的问题很具体：PDF 是出了名的“难啃”——格式封闭、布局复杂、表格一提取就错位、扫描件根本读不出字。开发者在处理 PDF 时，往往要在 pypdf、pdfplumber、reportlab、qpdf 等一堆库和命令行工具之间来回查文档、试参数，写几十行代码只为合并几个文件。本技能把这些高频操作沉淀成一份可直接复用的操作指南与代码模板，让 AI 在需要处理 PDF 时“知道该用哪个库、该怎么写”，从而把查文档的时间压缩到几乎为零。

一键安装的思路与步骤：

  1. 确认前提：该技能面向支持技能（Skill）机制的 AI 助手环境使用（例如 Claude）。使用前请确认你的客户端或平台已支持技能加载能力，具体支持范围以官方说明为准。
  2. 获取技能：通过平台提供的技能市场、技能库入口或官方发布渠道获取本技能（技能ID：13265）。安装入口与操作路径以官方说明为准。
  3. 启用技能：在技能列表中启用「PDF文档处理Skill」，使其在对话中可被自动识别调用。
  4. 验证是否生效：直接向 AI 提出一个具体请求，例如“帮我读取 report.pdf 的页数并提取每页文本”，若 AI 能给出基于 pypdf 或 pdfplumber 的可运行代码，说明技能已正常加载。
  5. 准备本地环境：按需安装依赖，如 pip install pypdf pdfplumber reportlab，命令行场景准备 poppler-utils（含 pdftotext、pdfimages）与 qpdf；扫描件 OCR 需 pip install pytesseract pdf2image。

需要说明的是，本技能本身提供的是方法论与代码模板，实际执行仍依赖你本地或沙箱环境中的 Python 库与命令行工具是否就绪。

2. 该技能的主要功能和特点

  • 文本与表格提取：使用 pdfplumber 提取文本并保留布局信息，extract_tables() 可直接把表格转为二维结构，配合 pandas 可一键落成 Excel。
  • PDF 创建与排版：基于 reportlab 的 Canvas 与 Platypus 两套方案，既能画简单文字线条，也能做多页带标题、段落、分页符的正式报告。
  • 合并、拆分、旋转：pypdf 提供逐页读写能力，命令行侧 qpdf、pdftk 也给出等价写法，可按页区间精确切分。
  • 元数据与页面属性：读取标题、作者、主题、创建者，支持页面旋转（如顺时针 90 度）。
  • 水印与安全：把水印页 merge 到每一页实现批量加水印；writer.encrypt() 可设置用户密码与所有者密码，qpdf 也能移除已知密码。
  • 扫描件 OCR：先用 pdf2image 把 PDF 转成图片，再用 pytesseract 逐页识别，形成完整文本。
  • 图像抽取：pdfimages -j 一次性导出 PDF 内所有图片。
  • 多语言字体支持：针对 reportlab 默认不支持韩文的问题，内置按操作系统自动查找并注册韩文字体的函数，macOS、Windows、Linux 三端路径都已覆盖。
  • 表单填写指引：填写 PDF 表单调取独立文档 forms.md，按其中说明操作。

相比普通工具强在哪：普通工具通常只解决单一环节（要么只能合并，要么只能提取文本），而这里给的是“任务—最佳工具—具体写法”的完整映射表，遇到问题时不用再判断该用哪个库，直接照方抓药即可。

3. 如何使用该技能？

使用方式非常自然：在对话中描述你的 PDF 处理需求，AI 会调用该技能给出对应方案。以下是分步骤指南。

步骤一：发起请求并说明文件情况

用一句话交代清楚“要做什么 + 文件是什么类型”。例如：

“我有一个 30 页的 scanned.pdf，是扫描件，帮我提取全部文字。”

步骤二：获取方案与代码

针对扫描件，技能会给出 OCR 方案：

import pytesseract
from pdf2image import convert_from_path

images = convert_from_path('scanned.pdf')
text = ""
for i, image in enumerate(images):
    text += f"第{i+1}页：
"
    text += pytesseract.image_to_string(image)
    text += "

"
print(text)

步骤三：按需调整参数

  • 只要第 1–5 页：命令行用 pdftotext -f 1 -l 5 input.pdf output.txt。
  • 想保留排版：pdftotext -layout input.pdf output.txt。
  • 只拆第 6–10 页：qpdf input.pdf --pages . 6-10 -- pages6-10.pdf。

步骤四：处理结构化数据

需要把合同里的表格搬到 Excel 时，可用：

import pandas as pd
import pdfplumber

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

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

输出即为一份合并后的 Excel 文件，列名取自各表格首行。

步骤五：生成与加固

需要产出新 PDF 时用 reportlab；需要加密时用：

from pypdf import PdfReader, PdfWriter

reader = PdfReader("input.pdf")
writer = PdfWriter()
for page in reader.pages:
    writer.add_page(page)
writer.encrypt("userpassword", "ownerpassword")

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

输入输出说明：输入为本地 PDF 路径与明确的处理目标，输出为文本、表格文件、图片或新的 PDF 文件。若涉及中文或韩文渲染，务必先注册字体（如技能中的 get_korean_font_path() 函数），并在 Canvas 用 setFont、在 Platypus 的 ParagraphStyle 中指定 fontName，否则会出现方块乱码。

4. 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文档处理Skill（本技能） AI 助手内置的 PDF 操作知识包 提取文本/表格、创建、合并拆分、旋转、水印、加密、OCR、表单填写指引 启用技能即可，无需记 API；执行侧需本地具备 Python 库与命令行工具 开发者与办公人群的批量处理、自动化脚本生成 优势：一站式覆盖全流程，自带可运行代码与多语言字体方案；不足：实际运行依赖本地环境，未内置图形界面
Adobe Acrobat 等商业桌面软件 面向办公用户的成品 PDF 编辑器 阅读、编辑、签名、表单、转换 需购买授权并安装客户端，操作以手工点选为主 单份文档精修、合同签署 优势：所见即所得、格式兼容好；不足：批量自动化能力弱，难以嵌入代码流程
pypdf / pdfplumber 手工编码 开源 Python 库 与技能调用的底层能力基本一致 需自行查文档、调试参数 有工程师的定制化项目 优势：完全可控、免费；不足：学习成本高，遇到表格错位、字体缺字需反复试错
在线 PDF 转换网站 轻量网页工具 合并、压缩、转换格式 无需安装，上传即用 偶发的单文件处理 优势：零门槛；不足：文件需上传存在隐私风险，无法批量与自动化，功能受站点限制

总体来看，本技能的差异化在于“把开源工具的最佳实践固化成可对话调用的知识”，介于纯手工编码与成品软件之间：比手写代码快，比桌面软件更适合批量与自动化。

5. 该技能的典型应用场景与实际体验情况

场景一：财务/行政人员的票据与报表整理 痛点是每月收到大量 PDF 发票与对账单，需要汇总成表。使用方式是让 AI 生成 pdfplumber 批量抽表脚本，一次性导出 Excel。实际体验上，规则表格识别准确率高，上手几乎没有门槛；注意若表格无框线或跨页断行，可能需要调整参数或人工校验首尾几行。

场景二：开发者的文档流水线搭建 需求是把上百份 PDF 按页拆分、加水印、再加密分发。技能给出的 pypdf 组合写法可直接嵌入脚本，配合 qpdf 命令行做兜底。体验是“一次问清、长期复用”，省去了反复翻官方文档的时间；注意加密后务必妥善保存密码，writer.encrypt() 设置后原文件不受影响。

场景三：研究/法务人员的扫描件数字化 老档案只有扫描件，无法检索。走“pdf2image 转图 + pytesseract 识别”的 OCR 链路即可得到全文。体验上流程清晰，但 OCR 质量取决于扫描分辨率与语言包配置，识别结果建议做人工抽检。

场景四：内容团队的报告生成 需要按模板批量产出周报 PDF。用 reportlab 的 Platypus 组织标题、段落与分页，一次构建多页文档。若要输出中文或韩文，必须预先注册字体，这是新手最容易踩的坑，技能已把三端字体路径查找函数写好，直接复用即可。

6. 该技能能为用户带来的价值

  • 效率提升：把“查文档、试参数、调试”的循环压缩成一次对话。原本写一个合并加水印脚本可能要半小时，现在几分钟内即可拿到可用代码。
  • 门槛降低：不熟悉 PDF 生态的人也能分清什么时候用 pdfplumber、什么时候用 qpdf、什么时候必须上 OCR，避免在错误的工具上耗费时间。
  • 可量化收益：批量场景下，脚本一次编写可处理成百上千份文档，把重复劳动从“按份计”变为“按批计”。
  • 长期价值：技能沉淀的是可复用的代码模板与最佳实践，团队可以把它固化成内部工具链的基础，后续新增需求只需在既有脚本上做增量修改。

7. 常见问题 FAQ

Q1：这个技能怎么安装？我找不到入口怎么办？ 通过平台提供的技能市场或技能库入口获取并启用（技能ID：13265），具体安装路径与支持范围以官方说明为准。启用后可用“读取这个 PDF 的页数并提取文本”这类请求验证是否生效。

Q2：使用这个技能收费吗？ 技能本身遵循其许可证条款（技能说明中标注为专有许可，完整条款见 LICENSE.txt）。所调用的 pypdf、pdfplumber、reportlab、qpdf 等为各自独立的开源组件，遵循各自许可；商业软件则需另行购买授权。具体费用以官方说明为准。

Q3：它适合谁用？不懂编程也能用吗？ 适合开发者、数据分析人员以及需要批量处理文档的办公人群。不懂编程的用户可以描述需求，让 AI 直接给出可运行的脚本并说明如何执行；但首次运行仍需准备 Python 环境。

Q4：扫描件里的文字能提取出来吗？ 可以。技能提供了基于 pdf2image 与 pytesseract 的 OCR 流程，先把每页转成图像再识别。识别效果受扫描清晰度与语言包影响，重要文档建议人工复核。

Q5：和 Adobe Acrobat、在线转换工具相比该怎么选？ 单份文档精修、需要可视化编辑与签名的，选成品桌面软件；偶发一两个文件、不在乎上传的，用在线工具最快；需要批量、自动化、可嵌入代码流程的，用本技能配合开源库更合适。