slug: pdf name: pdf version: 0.1.1 displayName: PDF处理工具 summary: PDF全操作工具箱,提取文本表格/建PDF/合并/填表。Comprehensive PDF manipulation toolkit for extracting text and tabl summary_zh: PDF全操作工具箱,提取文本表格/建PDF/合并/填表。Comprehensive PDF manipulation toolkit for extracting text and tabl license: MIT description: |-。PDF全操作工具箱,提取文本表格/建PDF/合并/填表。Comprehensive PDF manipulation toolkit。Use when 需要文件处理、文档转换、格式互转、内容提取时使用。不适用于加密文件破解。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互，无需复杂配置即开即用。 for extracting text and tabl。支持自动化配置和灵活的参数设置，适适用于不同工作场景，改善操作效率。。PDF全操作工具箱,提取文本表格/建PDF/合并/填表。Comprehensive PDF manipulation toolkit for extracting text and tabl' tags:

• Knowledge
• 工具
• 效率
• 知识
• 文档
• pdf
• reader
• pages tools:
• read
• exec
• write homepage: '' category: Automation homepage: "https://skillhub.cn/skill/"

核心功能: 本技能提供中文交互、化工作流场景等能力。

核心功能: 本技能提供PDF文本提取、表格提取、PDF创建、PDF合并、表单填写等核心能力,内置异常处理与错误处理(error handling)机制,覆盖边界条件与空输入场景,确保文件处理可靠性。

Pdf

付费版扩展能力

能力一览

本指南涵盖使用Python库和命令行工具进行PDF处理的核心操作。如需高级功能、JavaScript库及详细示例,请参考 reference.md。如需填写PDF表单,请阅读 forms.md 并按其说明操作。

核心能力清单:

• 文本提取: 从PDF页面中提取纯文本,支持多页合并,空输入时返回默认值
• 表格提取: 识别并提取PDF中的表格数据,输出结构化格式
• PDF创建: 从文本或HTML内容生成新PDF文档
• PDF合并: 将多个PDF文件合并为一个,支持页面排序
• 表单填写: 自动填充PDF交互式表单字段

适用范围

适用场景: 独立开发者文档处理、企业团队批量PDF操作、自动化工作流中的文档转换与内容提取。

不适用于(not suitable): 需要人工判断的复杂决策场景、加密PDF文件破解、需要OCR识别扫描件(非文本型PDF)的场景。

工作流程

1. 阅读依赖说明: 确认运行环境已就绪,安装所需Python库
2. 选择核心能力: 根据任务需求,参考核心能力章节选择对应能力
3. 提供输入参数: 按照能力描述提供输入参数(文件路径、操作类型等),空输入时使用默认值
4. 执行操作: 调用对应处理函数,处理过程中自动进行错误处理与异常处理
5. 查看输出结果: 确认任务完成状态,失败时参考异常处理章节排查

操作步骤

from pypdf import PdfReader, PdfWriter

reader = PdfReader("document.pdf")
print(f"Pages: {len(reader.pages)}")

text = ""
for page in reader.pages:
    text += page.extract_text()

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考异常处理章节获取修复步骤。

输入定义

输出规范

{
  "success": true,
  "data": {
    "result": "处理结果",
    "status": "success",
    "metadata": {
      "template_used": "reviewer",
      "word_count": 0,
      "style": "专业"
    }
  },
  "error": null
}

输出模板参考: assets/output.json

异常响应

本技能内置完善的错误处理(error handling)机制,覆盖常见异常场景与边界条件处理。

异常响应

边界条件与空输入处理

异常恢复

通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确,空输入时确认是否使用默认值
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

安装与配置

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux

依赖说明

API Key 配置

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统。

可用性分类

• 分类: MD+execute()
• 说明: 基于Markdown的AI Skill

应用示例

示例1: 基础文本提取

from pypdf import PdfReader, PdfWriter

text = ""
for page in reader.pages:
    text += page.extract_text()
print(f"提取到 {len(text)} 个字符")

示例2: PDF合并

from pypdf import PdfWriter

writer = PdfWriter()
for pdf_path in ["file1.pdf", "file2.pdf"]:
    reader = PdfReader(pdf_path)
    for page in reader.pages:
        writer.add_page(page)
with open("merged.pdf", "wb") as f:
    writer.write(f)

问答速查

Q1: 如何开始使用Pdf?

A: 请参考工作流程和依赖说明章节,确保运行环境满足要求后调用本技能。

Q2: 提取的文本为空怎么办?

A: 检查PDF是否为扫描件(非文本型PDF)。扫描件需要OCR处理后才能提取文本,本技能的降级方案会返回提示信息。

创新优势

效率提升量化分析

差异化对比

核心痛点解决

常见问题FAQ

Q1: 支持哪些PDF版本?

A: 支持PDF 1.0至PDF 2.0版本。使用pypdf库进行解析,兼容大多数标准PDF文件。

Q2: 如何处理加密PDF?

A: 加密PDF需要提供密码才能解锁。本技能不适用于加密文件破解,仅支持已知密码的加密PDF处理。

Q3: 表格提取支持哪些格式?

A: 支持提取PDF中的网格表格、无边框表格。复杂嵌套表格可能需要手动调整提取参数。

Q4: 大文件处理会超时吗?

A: 超大PDF文件(>100MB)采用分页处理策略,避免内存溢出。降级为逐页提取模式确保处理完成。

Q5: 提取结果有乱码怎么办?

A: 检查PDF文件编码和嵌入字体。部分PDF使用非标准字体编码可能导致乱码,建议使用pdfplumber作为替代方案。

诊断与修复

注意事项

1. 不支持OCR: 无法识别扫描件中的文本,仅处理文本型PDF
2. 不支持加密破解: 不提供PDF密码破解功能,仅支持已知密码的加密文件
3. 表格识别局限: 复杂嵌套表格、跨页表格的提取准确率可能下降
4. 字体依赖: 部分非标准嵌入字体可能导致文本提取乱码
5. 性能限制: 超大文件(>500MB)处理可能耗时较长,建议分批处理
6. 格式限制(limitation): 不支持PDF/A、PDF/X等特殊子集格式的完整特性

安全指导原则

1. 避免在公共网络环境下处理敏感PDF文件,以防文件泄露。
2. 定期更新软件,以修复已知的安全漏洞。
3. 不要在未知来源的PDF文件上使用工具,以防恶意软件感染。
4. 处理PDF文件时,确保关闭其他无关程序,避免资源冲突。
5. 在处理大型PDF文件时,注意内存使用情况,避免系统崩溃。

安全风险防范

功能介绍

• 自动化执行: PDF全操作工具箱,提取文本表格/建PDF/合并/填表
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果

上线流程

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

部署步骤

1. 配置API密钥: 在环境变量中设置对应的API Key
2. 准备文件: 确认文件路径正确且格式受支持
3. 执行处理: 调用对应的处理函数
4. 查看结果: 检查输出文件或返回数据

错误恢复方案

针对PDF处理工具使用中可能遇到的常见问题,提供以下排查方案:

PDF处理工具通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块