【实战】让 AI 帮你处理 PDF？一个技能搞定所有操作

合同要提取文字、报表要转 Excel、扫描件要做 OCR……每次处理 PDF 都要查文档、装库、调代码，烦不烦？今天告诉你一个好消息：装一个技能，让 AI 编程助手直接帮你搞定！

开发者的 PDF 噩梦

说实话，PDF 处理绝对是开发者的”老大难”问题：

• • 合同审核：几百页 PDF，手动复制粘贴提取关键信息？
• • 财务报表：领导要的 Excel 表格藏在 PDF 里，怎么提取？
• • 扫描件识别：历史资料全是图片 PDF，搜都搜不到
• • 批量处理：1000 个 PDF 要合并、拆分、加水印，一个个来？

以前的解决方案要么贵（Adobe Acrobat），要么难（自己写代码调库），要么慢（在线工具一个个传）。

但现在，AI 编程助手 + 一个官方技能 = 直接用自然语言搞定。

什么是 Skills？为什么需要 PDF 技能？

Skills（技能）是一种让 AI 编程助手快速获得专业领域能力的机制。

简单理解：AI 助手很聪明，但不可能记住所有库的用法。通过”技能”，我们可以给它加载特定领域的最佳实践——就像给它装上一个”专业模块”。

Anthropic 官方开源的 PDF 技能，专门针对 PDF 处理场景，覆盖了：

• • Python 主流库的用法（pypdf、pdfplumber、reportlab）
• • 命令行工具的调用方式（pdftotext、qpdf、pdftk）
• • 高级任务的完整流程（OCR、水印、加密）

装上这个技能后，你只需要告诉 AI：”帮我把这个 PDF 的表格提取成 Excel”，它就知道该用什么库、怎么写代码、怎么处理异常。

核心能力全解析

1. 基础操作：合并、拆分、旋转

这是最常见的需求，PDF 技能支持多种工具实现：

Python 方案（pypdf）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

from pypdf import PdfReader, PdfWriter

# 合并多个 PDF
merger = PdfWriter()
for pdf_file in ["file1.pdf", "file2.pdf", "file3.pdf"]:
    merger.append(pdf_file)
merger.write("merged.pdf")
merger.close()

# 拆分 PDF（提取第 1-5 页）
reader = PdfReader("input.pdf")
writer = PdfWriter()
for page_num in range(5):
    writer.add_page(reader.pages[page_num])
writer.write("split.pdf")

# 旋转页面（顺时针 90 度）
reader = PdfReader("input.pdf")
writer = PdfWriter()
for page in reader.pages:
    page.rotate(90)
    writer.add_page(page)
writer.write("rotated.pdf")

命令行方案（qpdf/pdftk）：

1
2
3
4
5
6
7
8

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

# pdftk 拆分
pdftk input.pdf cat 1-5 output split.pdf

# qpdf 旋转所有页面
qpdf --rotate=+90 input.pdf rotated.pdf

2. 文本与表格提取（最实用！）

这绝对是 PDF 技能的杀手级功能。

提取文本（保留布局）：

1
2
3
4
5
6

import pdfplumber

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

提取表格并导出到 Excel：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import pdfplumber
import pandas as pd

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

    # 合并所有表格并导出
    final_df = pd.concat(all_tables, ignore_index=True)
    final_df.to_excel("output.xlsx", index=False)

高级表格处理（复杂布局）：

1
2
3
4
5
6
7
8
9
10

import pdfplumber

with pdfplumber.open("complex_table.pdf") as pdf:
    page = pdf.pages[0]
    # 自定义表格检测参数
    table = page.extract_table(table_settings={
        "vertical_strategy": "text",
        "horizontal_strategy": "lines",
        "snap_tolerance": 3,
    })

3. 创建 PDF（报告生成）

需要自动生成 PDF 报告？reportlab 是最佳选择：

1
2
3
4
5
6
7
8

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

# 创建基础 PDF
c = canvas.Canvas("report.pdf", pagesize=letter)
c.drawString(100, 750, "月度销售报告")
c.drawString(100, 700, "2024年3月 - 总销售额：￥1,234,567")
c.save()

多页 PDF + 自动换页：

1
2
3
4
5
6
7
8
9
10
11
12
13

from reportlab.lib.pagesizes import letter
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer
from reportlab.lib.styles import getSampleStyleSheet

doc = SimpleDocTemplate("multi_page.pdf", pagesize=letter)
styles = getSampleStyleSheet()
content = []

for i in range(50):
    content.append(Paragraph(f"第 {i+1} 段内容...", styles['Normal']))
    content.append(Spacer(1, 12))

doc.build(content)

4. 高级功能

OCR 扫描件识别：

1
2
3
4
5
6
7
8
9
10
11

from pdf2image import convert_from_path
import pytesseract

# 将 PDF 转为图片
images = convert_from_path("scanned_document.pdf")

# 对每一页进行 OCR
for i, image in enumerate(images):
    text = pytesseract.image_to_string(image, lang='chi_sim')  # 中文识别
    print(f"--- 第 {i+1} 页 ---")
    print(text)

添加水印：

1
2
3
4
5
6
7
8
9
10
11

from pypdf import PdfReader, PdfWriter

reader = PdfReader("original.pdf")
watermark = PdfReader("watermark.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.merge_page(watermark.pages[0])
    writer.add_page(page)

writer.write("watermarked.pdf")

密码保护：

1
2
3
4
5
6
7
8
9
10
11

from pypdf import PdfReader, PdfWriter

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

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

# 设置密码（用户密码 + 所有者密码）
writer.encrypt(user_password="read123", owner_password="admin456")
writer.write("protected.pdf")

一行命令，即装即用

在你的 AI 编程助手中集成 PDF 技能：

1

npx skills add https://github.com/anthropics/skills --skill pdf

安装完成后，你可以直接用自然语言下达指令：

• • “帮我把这 10 个 PDF 文件合并成一个”
• • “提取这份财报中所有的表格，导出到 Excel”
• • “这是一份扫描件，帮我 OCR 识别成文字”
• • “给这份合同加上公司水印”

AI 助手会自动选择最合适的工具和方案。

典型使用场景

数据说话：这个技能有多火？

看看 Anthropic PDF 技能的真实数据：

• • 周安装量：41.8K（每周超过 4 万次安装）
• • GitHub Stars：96K（接近 10 万星标）

已集成到主流 AI 编程平台：

几乎所有主流的 AI 编程助手都在用这套技能，说明它确实好用、稳定、覆盖面广。

写在最后

PDF 处理曾经是开发者的痛点，但有了 AI 编程助手 + 官方 PDF 技能，这一切变得前所未有的简单。

记住这几点：

• • 不需要记住每个库的 API，AI 帮你选择最佳方案
• • 复杂任务（OCR、表格提取）也能用自然语言完成
• • 一个技能覆盖 Python 库 + 命令行工具，灵活切换

下次再遇到 PDF 处理任务，别再手动查文档了——让 AI 帮你干活。

你平时处理 PDF 最头疼的是什么场景？欢迎在评论区聊聊！

如果觉得有用，别忘了点赞、在看、转发三连支持一下～

参考资料：Anthropic Skills – pdf
GitHub: https://github.com/anthropics/skills
技能地址: https://skills.sh/anthropics/skills/pdf