from pypdf import PdfReader, PdfWriter # 读取 PDF reader = PdfReader("document.pdf") print(f"Pages: {len(reader.pages)}") # 提取文本 text = "" for page in reader.pages:   text += page.extract_text()

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)

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

reader = PdfReader("document.pdf") meta = reader.metadata print(f"Title: {meta.title}") print(f"Author: {meta.author}") print(f"Subject: {meta.subject}") print(f"Creator: {meta.creator}")

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)

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

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"Table {j+1} on page {i+1}:")       for row in table:         print(row)

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:         # 检查表格是否非空         df = pd.DataFrame(table[1:], columns=table[0])         all_tables.append(df)         # 合并所有表格         if all_tables:           combined_df = pd.concat(all_tables, ignore_index=True)           combined_df.to_excel("extracted_tables.xlsx", index=False)

from reportlab.lib.pagesizes import letter from reportlab.pdfgen import canvas c = canvas.Canvas("hello.pdf", pagesize=letter) width, height = letter # 添加文本 c.drawString(100, height - 100, "Hello World!") c.drawString(100, height - 120, "This is a PDF created with reportlab") # 添加一条线 c.line(100, height - 140, 400, height - 140) # 保存 c.save()

from reportlab.lib.pagesizes import letter from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, PageBreak from reportlab.lib.styles import getSampleStyleSheet doc = SimpleDocTemplate("report.pdf", pagesize=letter) styles = getSampleStyleSheet() story = [] # 添加内容 title = Paragraph("Report Title", styles['Title']) story.append(title) story.append(Spacer(1, 12)) body = Paragraph("This is the body of the report. " * 20, styles['Normal']) story.append(body) story.append(PageBreak()) # 第 2 页 story.append(Paragraph("Page 2", styles['Heading1'])) story.append(Paragraph("Content for page 2", styles['Normal'])) # 构建 PDF doc.build(story)

# 提取文本 pdftotext input.pdf output.txt # 提取文本并保留布局 pdftotext -layout input.pdf output.txt # 提取特定页面 pdftotext -f 1 -l 5 input.pdf output.txt # 第 1-5 页

# 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 qpdf input.pdf --pages . 6-10 -- pages6-10.pdf # 旋转页面 qpdf input.pdf output.pdf --rotate=+90:1 # 将第 1 页旋转 90 度 # 移除密码 qpdf --password=mypassword --decrypt encrypted.pdf decrypted.pdf

# 合并 pdftk file1.pdf file2.pdf cat output merged.pdf # 拆分 pdftk input.pdf burst # 旋转 pdftk input.pdf rotate 1east output rotated.pdf

# 需要：pip install pytesseract pdf2image import pytesseract from pdf2image import convert_from_path # 将 PDF 转换为图像 images = convert_from_path('scanned.pdf') # 对每一页进行 OCR text = "" for i, image in enumerate(images):   text += f"Page {i+1}:\n"   text += pytesseract.image_to_string(image)   text += "\n\n" print(text)

from pypdf import PdfReader, PdfWriter # 创建水印（或加载现有的） watermark = PdfReader("watermark.pdf").pages[0] # 应用到所有页面 reader = PdfReader("document.pdf") writer = PdfWriter() for page in reader.pages:   page.merge_page(watermark)   writer.add_page(page)   with open("watermarked.pdf", "wb") as output:     writer.write(output)

# 使用 pdfimages (poppler-utils) pdfimages -j input.pdf output_prefix # 这将提取所有图像为 output_prefix-000.jpg, output_prefix-001.jpg 等。

from pypdf import PdfReader, PdfWriter reader = PdfReader("input.pdf") writer = PdfWriter() for page in reader.pages:   writer.add_page(page)   # 添加密码   writer.encrypt("userpassword", "ownerpassword")   with open("encrypted.pdf", "wb") as output:     writer.write(output)

npx skills add https://github.com/composiohq/awesome-claude-skills --skill pdf