PDF All-in-One

Polar Sponsor
爱发电 赞助
.NET 9.0

一站式PDF处理工具,支持合并、拆分、提取、转换PDF,提供文本提取、表格识别、PDF转图片及OCR功能。触发词:PDF

PDF 全集处理指南

功能概述

PDF 全集处理指南是一项面向实际任务的技能,主要用于本指南涵盖全面的PDF处理操作, 包括转换成图像;高级特性请参见Reference. md.;

核心要点

  • 工作空间目录: <。
  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。

使用与执行

该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

PDF 一体化处理指南

概述

本指南涵盖全面的 PDF 处理操作,包括转换为图像。高级功能请参阅 REFERENCE.md

工作区目录:/pdf-all-in-one-workspace/

快速开始

from pypdf import PdfReader, PdfWriter

# 读取 PDF
reader = PdfReader("document.pdf")
print(f"页数:{len(reader.pages)}")

# 提取文本
text = ""
for page in reader.pages:
    text += page.extract_text()

PDF 转图像

将 PDF 页面转换为 PNG/JPG

from pdf2image import convert_from_path
import os

# 配置
pdf_path = "input.pdf"
output_dir = "pdf-all-in-one-workspace/output_images"
os.makedirs(output_dir, exist_ok=True)

# 将 PDF 转换为图像
images = convert_from_path(pdf_path, dpi=150)

# 将每页保存为 PNG
for i, image in enumerate(images):
    output_path = f"{output_dir}/page_{i+1}.png"
    image.save(output_path, "PNG")
    print(f"已保存:{output_path}")

print(f"共转换页数:{len(images)}")

按指定页码范围转换

from pdf2image import convert_from_path

# 仅转换第 1–5 页
images = convert_from_path("document.pdf", 
                          dpi=200, 
                          first_page=1, 
                          last_page=5)

for i, image in enumerate(images):
    image.save(f"pdf-all-in-one-workspace/page_{i+1}.jpg", "JPEG", quality=95)

前提条件

# 安装 Python 库
pip install pdf2image

# 安装系统依赖(poppler)
# Ubuntu/Debian:
sudo apt-get install poppler-utils

# CentOS/RHEL:
sudo yum install poppler-utils

# macOS:
brew install poppler

Python 库

pypdf — 基础操作

合并 PDF

from pypdf import PdfWriter, PdfReader

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

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

拆分 PDF

reader = PdfReader("input.pdf")
for i, page in enumerate(reader.pages):
    writer = PdfWriter()
    writer.add_page(page)
    with open(f"pdf-all-in-one-workspace/page_{i+1}.pdf", "wb") as output:
        writer.write(output)

提取元数据

reader = PdfReader("document.pdf")
meta = reader.metadata
print(f"标题:{meta.title}")
print(f"作者:{meta.author}")
print(f"主题:{meta.subject}")
print(f"创建者:{meta.creator}")

旋转页面

reader = PdfReader("input.pdf")
writer = PdfWriter()

page = reader.pages[0]
page.rotate(90)  # 顺时针旋转 90 度
writer.add_page(page)

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

pdfplumber — 文本与表格提取

带版式结构的文本提取

import pdfplumber

with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()
        print(text)

表格提取

with pdfplumber.open("document.pdf") as pdf:
    for i, page in enumerate(pdf.pages):
        tables = page.extract_tables()
        for j, table in enumerate(tables):
            print(f"第 {i+1} 页上的表格 {j+1}:")
            for row in table:
                print(row)

高级表格提取

import pandas as pd

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

if all_tables:
    combined_df = pd.concat(all_tables, ignore_index=True)
    combined_df.to_excel("pdf-all-in-one-workspace/extracted_tables.xlsx", index=False)

reportlab — 创建 PDF

基础 PDF 创建

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

c = canvas.Canvas("pdf-all-in-one-workspace/hello.pdf", pagesize=letter)
width, height = letter

c.drawString(100, height - 100, "Hello World!")
c.drawString(100, height - 120, "This is a PDF created with reportlab")
c.line(100, height - 140, 400, height - 140)
c.save()

下标与上标

from reportlab.platypus import Paragraph
from reportlab.lib.styles import getSampleStyleSheet

styles = getSampleStyleSheet()
chemical = Paragraph("H2O", styles['Normal'])
squared = Paragraph("x2 + y2", styles['Normal'])

命令行工具

pdftotext(poppler-utils)

# 提取文本
pdftotext input.pdf output.txt

# 提取文本并保留原始版式
pdftotext -layout input.pdf output.txt

# 提取指定页码范围的文本
pdftotext -f 1 -l 5 input.pdf output.txt

qpdf

# 合并 PDF
qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf

# 拆分页面
qpdf input.pdf --pages . 1-5 -- pages1-5.pdf

# 旋转页面
qpdf input.pdf output.pdf --rotate=+90:1

# 移除密码保护
qpdf --password=mypassword --decrypt encrypted.pdf decrypted.pdf

pdftk

# 合并
pdftk file1.pdf file2.pdf cat output merged.pdf

# 拆分(逐页导出)
pdftk input.pdf burst

# 旋转
pdftk input.pdf rotate 1east output rotated.pdf

pdfimages — 从 PDF 中提取图像

# 将所有嵌入图像提取为 JPG 格式
pdfimages -j input.pdf pdf-all-in-one-workspace/output_prefix

常见任务

从扫描版 PDF 中提取文本(OCR)

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:n"
    text += pytesseract.image_to_string(image)
    text += "nn"

print(text)

添加水印

from pypdf import PdfReader, PdfWriter

watermark = PdfReader("watermark.pdf").pages[0]
reader = PdfReader("document.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.merge_page(watermark)
    writer.add_page(page)

with open("pdf-all-in-one-workspace/watermarked.pdf", "wb") as output:
    writer.write(output)

密码保护

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("pdf-all-in-one-workspace/encrypted.pdf", "wb") as output:
    writer.write(output)

速查表

任务 推荐工具 命令 / 代码
PDF 转图像 pdf2image convert_from_path(pdf, dpi=150)
合并 PDF pypdf writer.add_page(page)
拆分 PDF pypdf 每页一个文件
提取文本 pdfplumber page.extract_text()
提取表格 pdfplumber page.extract_tables()
创建 PDF reportlab Canvas 或 Platypus
对扫描 PDF 执行 OCR pytesseract pdf2image + pytesseract
从 PDF 中提取图像 pdfimages pdfimages -j input.pdf output_prefix
命令行合并 PDF qpdf qpdf --empty --pages ...

工作区目录结构

/
└── pdf-all-in-one-workspace/
    ├── input/          # 输入 PDF 文件存放于此
    ├── output_images/  # 图像转换输出目录
    ├── output_pdfs/    # 生成的 PDF 输出目录
    └── temp/           # 临时文件目录

注意:为保持文件组织有序,请始终将 pdf-all-in-one-workspace/ 作为 PDF 处理操作的工作目录。

后续步骤

  • 如需了解高级 pypdfium2 用法,请参阅 REFERENCE.md
  • 如需了解 JavaScript 库(pdf-lib),请参阅 REFERENCE.md
  • 如需了解 PDF 表单填充,请参阅 FORMS.md
  • 如需查阅故障排除指南,请参阅 REFERENCE.md

相关专题

更多
Aionclaw智能助手介绍
Aionclaw智能助手介绍

本专题汇总了AionClaw(AI龙虾助手)的功能介绍与在线使用入口。AionClaw是杭州趣猿人工智能有限公司推出的桌面级AI智能体,能直接在电脑上读写文件、运行脚本、操作浏览器,自动交付Word、PPT、Excel等成品。

2026.09.20

0

13

AionClaw AI智能体与电脑自动化任务执行功能使用教程
AionClaw AI智能体与电脑自动化任务执行功能使用教程

AionClaw专题整理AI智能体与电脑自动化相关功能使用教程,涵盖安装部署、AI任务执行、Skills技能、文件处理、浏览器控制、电脑操作、持久记忆、聊天工具连接以及办公、编程和内容创作等功能,帮助用户快速掌握AionClaw的实际使用方法。

2026.09.20

0

15

AI视频生成软件推荐
AI视频生成软件推荐

本专题汇总了当前主流的AI视频生成软件推荐与排行榜单,涵盖seko、AniShort、剧云、Lovart、LiblibAI及立刻mv等热门工具。同时整理了各软件在文生视频、图生视频、时长限制、画质表现及免费额度等方面的差异对比,助您快速选对适合创作需求的AI视频生成工具。

2026.09.16

0

9

ai生成视频的工具免费版合集
ai生成视频的工具免费版合集

本专题汇总了当前免费AI生成视频工具的排行榜与推荐清单,涵盖seko、讯飞智作、AniShort及剧云、Lovart等多模型集成平台。同时整理了各工具的免费额度、输出时长、水印政策及适用场景差异,助您快速选择合适工具开启AI视频创作。

2026.09.16

0

10

Pandas时间序列分析与可视化报表
Pandas时间序列分析与可视化报表

本专题整理Pandas日期转换、时间索引、重采样、滚动窗口、时区处理、plot绘图、Styler表格样式和报表输出方法。

2026.09.16

0

23

Pandas数据筛选索引与清洗处理
Pandas数据筛选索引与清洗处理

本专题整理Pandas中的loc、iloc、条件筛选、query查询、缺失值处理、重复值删除、类型转换和字符串列清洗方法。

2026.09.16

0

25

Pandas数据读取导入与文件导出处理
Pandas数据读取导入与文件导出处理

本专题整理Pandas读取CSV、Excel、JSON、SQL、Parquet等文件的方法,以及to_csv、to_excel、to_sql和to_parquet等常用数据导出流程。

2026.09.16

0

27

GDB怎么设置断点
GDB怎么设置断点

本专题介绍GDB按照函数名、源代码行号和文件位置设置断点的方法,详细说明run、continue、next、step等命令的配合使用,帮助定位程序崩溃、逻辑异常及代码未按预期执行的问题。

2026.09.11

0

28

GDB怎么查看变量值
GDB怎么查看变量值

本专题介绍GDB调试过程中查看变量值的具体方法,涵盖局部变量、函数参数、数组、结构体和指针内容查询,同时整理变量持续显示、格式化输出及无法读取变量时的排查思路。

2026.09.11

0

22

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.6万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 133万人学习