pdf-zh

Name: pdf-zh
Author: agentscope-ai

24kstars2.8kforks

How to install pdf-zh?

agentscope-ai/qwenpaw/pdf-zh

$npx -y skills add agentscope-ai/QwenPaw --skill pdf-zh

Installs into the current project.

Summary

当用户需要对PDF文件进行任何操作时，请使用此技能。包括从 PDF 中读取或提取文本/表格、合并多个 PDF、拆分 PDF、旋转页面、添加水印、创建新PDF、填写PDF表单、加密/解密 PDF、提取图片，以及对扫描版 PDF 进行 OCR 使其可搜索。如果用户提到 .pdf 文件或要求生成 PDF，请使用此技能。

Files · 1

View on GitHub

SKILL.md

1	> 重要：所有 `scripts/` 路径均相对于此技能目录。
2	> 运行方式：`cd {this_skill_dir} && python scripts/...`
3	> 或使用 `execute_shell_command` 的 `cwd` 参数。
4
5	# PDF 处理指南
6
7	## 前置要求
8
9	- pypdf：核心 PDF 读写功能
10	- pdfplumber：文本和表格提取
11	- reportlab：PDF 创建
12	- pdftotext (poppler-utils)：命令行文本提取
13	- pdftoppm (poppler-utils)：PDF 转图片
14	- qpdf：PDF 操作（合并、拆分、旋转、解密）
15
16	## 概述
17
18	本指南涵盖了使用 Python 库和命令行工具进行 PDF 处理的基本操作。有关高级功能、JavaScript 库和详细示例，请参阅 REFERENCE.md。如果需要填写 PDF 表单，请阅读 FORMS.md 并按照其中的说明操作。
19
20	## 快速入门
21
22	```python
23	from pypdf import PdfReader, PdfWriter
24
25	# 读取 PDF
26	reader = PdfReader("document.pdf")
27	print(f"Pages: {len(reader.pages)}")
28
29	# 提取文本
30	text = ""
31	for page in reader.pages:
32	text += page.extract_text()
33	```
34
35	## Python 库
36
37	### pypdf - 基本操作
38
39	#### 合并 PDF
40	```python
41	from pypdf import PdfWriter, PdfReader
42
43	writer = PdfWriter()
44	for pdf_file in ["doc1.pdf", "doc2.pdf", "doc3.pdf"]:
45	reader = PdfReader(pdf_file)
46	for page in reader.pages:
47	writer.add_page(page)
48
49	with open("merged.pdf", "wb") as output:
50	writer.write(output)
51	```
52
53	#### 拆分 PDF
54	```python
55	reader = PdfReader("input.pdf")
56	for i, page in enumerate(reader.pages):
57	writer = PdfWriter()
58	writer.add_page(page)
59	with open(f"page_{i+1}.pdf", "wb") as output:
60	writer.write(output)
61	```
62
63	#### 提取元数据
64	```python
65	reader = PdfReader("document.pdf")
66	meta = reader.metadata
67	print(f"Title: {meta.title}")
68	print(f"Author: {meta.author}")
69	print(f"Subject: {meta.subject}")
70	print(f"Creator: {meta.creator}")
71	```
72
73	#### 旋转页面
74	```python
75	reader = PdfReader("input.pdf")
76	writer = PdfWriter()
77
78	page = reader.pages[0]
79	page.rotate(90) # 顺时针旋转 90 度
80	writer.add_page(page)
81
82	with open("rotated.pdf", "wb") as output:
83	writer.write(output)
84	```
85
86	### pdfplumber - 文本和表格提取
87
88	#### 提取带布局的文本
89	```python
90	import pdfplumber
91
92	with pdfplumber.open("document.pdf") as pdf:
93	for page in pdf.pages:
94	text = page.extract_text()
95	print(text)
96	```
97
98	#### 提取表格
99	```python
100	with pdfplumber.open("document.pdf") as pdf:
101	for i, page in enumerate(pdf.pages):
102	tables = page.extract_tables()
103	for j, table in enumerate(tables):
104	print(f"Table {j+1} on page {i+1}:")
105	for row in table:
106	print(row)
107	```
108
109	#### 高级表格提取
110	```python
111	import pandas as pd
112
113	with pdfplumber.open("document.pdf") as pdf:
114	all_tables = []
115	for page in pdf.pages:
116	tables = page.extract_tables()
117	for table in tables:
118	if table: # 检查表格是否为空
119	df = pd.DataFrame(table[1:], columns=table[0])
120	all_tables.append(df)
121
122	# 合并所有表格
123	if all_tables:
124	combined_df = pd.concat(all_tables, ignore_index=True)
125	combined_df.to_excel("extracted_tables.xlsx", index=False)
126	```
127
128	### reportlab - 创建 PDF
129
130	#### 基本 PDF 创建
131	```python
132	from reportlab.lib.pagesizes import letter
133	from reportlab.pdfgen import canvas
134
135	c = canvas.Canvas("hello.pdf", pagesize=letter)
136	width, height = letter
137
138	# 添加文本
139	c.drawString(100, height - 100, "Hello World!")
140	c.drawString(100, height - 120, "This is a PDF created with reportlab")
141
142	# 添加线条
143	c.line(100, height - 140, 400, height - 140)
144
145	# 保存
146	c.save()
147	```
148
149	#### 创建多页 PDF
150	```python
151	from reportlab.lib.pagesizes import letter
152	from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, PageBreak
153	from reportlab.lib.styles import getSampleStyleSheet
154
155	doc = SimpleDocTemplate("report.pdf", pagesize=letter)
156	styles = getSampleStyleSheet()
157	story = []
158
159	# 添加内容
160	title = Paragraph("Report Title", styles['Title'])
161	story.append(title)
162	story.append(Spacer(1, 12))
163
164	body = Paragraph("This is the body of the report. " * 20, styles['Normal'])
165	story.append(body)
166	story.append(PageBreak())
167
168	# 第 2 页
169	story.append(Paragraph("Page 2", styles['Heading1']))
170	story.append(Paragraph("Content for page 2", styles['Normal']))
171
172	# 构建 PDF
173	doc.build(story)
174	```
175
176	#### 下标和上标
177
178	重要：切勿在 ReportLab PDF 中使用 Unicode 下标/上标字符（₀₁₂₃₄₅₆₇₈₉、⁰¹²³⁴⁵⁶⁷⁸⁹）。内置字体不包含这些字形，会导致它们渲染为黑色方块。
179
180	请改用 ReportLab 在 Paragraph 对象中的 XML 标记标签：
181	```python
182	from reportlab.platypus import Paragraph
183	from reportlab.lib.styles import getSampleStyleSheet
184
185	styles = getSampleStyleSheet()
186
187	# 下标：使用 <sub> 标签
188	chemical = Paragraph("H<sub>2</sub>O", styles['Normal'])
189
190	# 上标：使用 <super> 标签
191	squared = Paragraph("x<super>2</super> + y<super>2</super>", styles['Normal'])
192	```
193
194	对于使用 canvas 绘制的文本（非 Paragraph 对象），请手动调整字体大小和位置，而不是使用 Unicode 下标/上标。
195
196	## 命令行工具
197
198	### pdftotext (poppler-utils)
199	```bash
200	# 提取文本
201	pdftotext input.pdf output.txt
202
203	# 保留布局提取文本
204	pdftotext -layout input.pdf output.txt
205
206	# 提取指定页面
207	pdftotext -f 1 -l 5 input.pdf output.txt # 第 1-5 页
208	```
209
210	### qpdf
211	```bash
212	# 合并 PDF
213	qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf
214
215	# 拆分页面
216	qpdf input.pdf --pages . 1-5 -- pages1-5.pdf
217	qpdf input.pdf --pages . 6-10 -- pages6-10.pdf
218
219	# 旋转页面
220	qpdf input.pdf output.pdf --rotate

People who liked this also viewed

6 picks

Type

pdf-zh

24kstars2.8kforks

View on GitHub

How to install pdf-zh?

agentscope-ai/qwenpaw/pdf-zh

$npx -y skills add agentscope-ai/QwenPaw --skill pdf-zh

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	> 重要：所有 `scripts/` 路径均相对于此技能目录。
2	> 运行方式：`cd {this_skill_dir} && python scripts/...`
3	> 或使用 `execute_shell_command` 的 `cwd` 参数。
4
5	# PDF 处理指南
6
7	## 前置要求
8
9	- pypdf：核心 PDF 读写功能
10	- pdfplumber：文本和表格提取
11	- reportlab：PDF 创建
12	- pdftotext (poppler-utils)：命令行文本提取
13	- pdftoppm (poppler-utils)：PDF 转图片
14	- qpdf：PDF 操作（合并、拆分、旋转、解密）
15
16	## 概述
17
18	本指南涵盖了使用 Python 库和命令行工具进行 PDF 处理的基本操作。有关高级功能、JavaScript 库和详细示例，请参阅 REFERENCE.md。如果需要填写 PDF 表单，请阅读 FORMS.md 并按照其中的说明操作。
19
20	## 快速入门
21
22	```python
23	from pypdf import PdfReader, PdfWriter
24
25	# 读取 PDF
26	reader = PdfReader("document.pdf")
27	print(f"Pages: {len(reader.pages)}")
28
29	# 提取文本
30	text = ""
31	for page in reader.pages:
32	text += page.extract_text()
33	```
34
35	## Python 库
36
37	### pypdf - 基本操作
38
39	#### 合并 PDF
40	```python
41	from pypdf import PdfWriter, PdfReader
42
43	writer = PdfWriter()
44	for pdf_file in ["doc1.pdf", "doc2.pdf", "doc3.pdf"]:
45	reader = PdfReader(pdf_file)
46	for page in reader.pages:
47	writer.add_page(page)
48
49	with open("merged.pdf", "wb") as output:
50	writer.write(output)
51	```
52
53	#### 拆分 PDF
54	```python
55	reader = PdfReader("input.pdf")
56	for i, page in enumerate(reader.pages):
57	writer = PdfWriter()
58	writer.add_page(page)
59	with open(f"page_{i+1}.pdf", "wb") as output:
60	writer.write(output)
61	```
62
63	#### 提取元数据
64	```python
65	reader = PdfReader("document.pdf")
66	meta = reader.metadata
67	print(f"Title: {meta.title}")
68	print(f"Author: {meta.author}")
69	print(f"Subject: {meta.subject}")
70	print(f"Creator: {meta.creator}")
71	```
72
73	#### 旋转页面
74	```python
75	reader = PdfReader("input.pdf")
76	writer = PdfWriter()
77
78	page = reader.pages[0]
79	page.rotate(90) # 顺时针旋转 90 度
80	writer.add_page(page)
81
82	with open("rotated.pdf", "wb") as output:
83	writer.write(output)
84	```
85
86	### pdfplumber - 文本和表格提取
87
88	#### 提取带布局的文本
89	```python
90	import pdfplumber
91
92	with pdfplumber.open("document.pdf") as pdf:
93	for page in pdf.pages:
94	text = page.extract_text()
95	print(text)
96	```
97
98	#### 提取表格
99	```python
100	with pdfplumber.open("document.pdf") as pdf:
101	for i, page in enumerate(pdf.pages):
102	tables = page.extract_tables()
103	for j, table in enumerate(tables):
104	print(f"Table {j+1} on page {i+1}:")
105	for row in table:
106	print(row)
107	```
108
109	#### 高级表格提取
110	```python
111	import pandas as pd
112
113	with pdfplumber.open("document.pdf") as pdf:
114	all_tables = []
115	for page in pdf.pages:
116	tables = page.extract_tables()
117	for table in tables:
118	if table: # 检查表格是否为空
119	df = pd.DataFrame(table[1:], columns=table[0])
120	all_tables.append(df)
121
122	# 合并所有表格
123	if all_tables:
124	combined_df = pd.concat(all_tables, ignore_index=True)
125	combined_df.to_excel("extracted_tables.xlsx", index=False)
126	```
127
128	### reportlab - 创建 PDF
129
130	#### 基本 PDF 创建
131	```python
132	from reportlab.lib.pagesizes import letter
133	from reportlab.pdfgen import canvas
134
135	c = canvas.Canvas("hello.pdf", pagesize=letter)
136	width, height = letter
137
138	# 添加文本
139	c.drawString(100, height - 100, "Hello World!")
140	c.drawString(100, height - 120, "This is a PDF created with reportlab")
141
142	# 添加线条
143	c.line(100, height - 140, 400, height - 140)
144
145	# 保存
146	c.save()
147	```
148
149	#### 创建多页 PDF
150	```python
151	from reportlab.lib.pagesizes import letter
152	from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, PageBreak
153	from reportlab.lib.styles import getSampleStyleSheet
154
155	doc = SimpleDocTemplate("report.pdf", pagesize=letter)
156	styles = getSampleStyleSheet()
157	story = []
158
159	# 添加内容
160	title = Paragraph("Report Title", styles['Title'])
161	story.append(title)
162	story.append(Spacer(1, 12))
163
164	body = Paragraph("This is the body of the report. " * 20, styles['Normal'])
165	story.append(body)
166	story.append(PageBreak())
167
168	# 第 2 页
169	story.append(Paragraph("Page 2", styles['Heading1']))
170	story.append(Paragraph("Content for page 2", styles['Normal']))
171
172	# 构建 PDF
173	doc.build(story)
174	```
175
176	#### 下标和上标
177
178	重要：切勿在 ReportLab PDF 中使用 Unicode 下标/上标字符（₀₁₂₃₄₅₆₇₈₉、⁰¹²³⁴⁵⁶⁷⁸⁹）。内置字体不包含这些字形，会导致它们渲染为黑色方块。
179
180	请改用 ReportLab 在 Paragraph 对象中的 XML 标记标签：
181	```python
182	from reportlab.platypus import Paragraph
183	from reportlab.lib.styles import getSampleStyleSheet
184
185	styles = getSampleStyleSheet()
186
187	# 下标：使用 <sub> 标签
188	chemical = Paragraph("H<sub>2</sub>O", styles['Normal'])
189
190	# 上标：使用 <super> 标签
191	squared = Paragraph("x<super>2</super> + y<super>2</super>", styles['Normal'])
192	```
193
194	对于使用 canvas 绘制的文本（非 Paragraph 对象），请手动调整字体大小和位置，而不是使用 Unicode 下标/上标。
195
196	## 命令行工具
197
198	### pdftotext (poppler-utils)
199	```bash
200	# 提取文本
201	pdftotext input.pdf output.txt
202
203	# 保留布局提取文本
204	pdftotext -layout input.pdf output.txt
205
206	# 提取指定页面
207	pdftotext -f 1 -l 5 input.pdf output.txt # 第 1-5 页
208	```
209
210	### qpdf
211	```bash
212	# 合并 PDF
213	qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf
214
215	# 拆分页面
216	qpdf input.pdf --pages . 1-5 -- pages1-5.pdf
217	qpdf input.pdf --pages . 6-10 -- pages6-10.pdf
218
219	# 旋转页面
220	qpdf input.pdf output.pdf --rotate

People who liked this also viewed

6 picks

Type