PDF 处理指南

概述

本指南介绍使用 Python 库与命令行进行 PDF 处理的常用操作。高级功能、JavaScript 库与填表流程见原技能 reference.md / forms.md。

快速开始

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()

Python 库

pypdf：基础操作

合并：PdfWriter 循环读入多个 PDF，add_page 后 write 输出。
拆分：遍历 reader.pages，每页单独 PdfWriter 写出。
元数据：reader.metadata（title, author, subject, creator）。
旋转：page.rotate(90) 后写入新 PDF。

pdfplumber：文本与表格提取

• 文本：pdfplumber.open() 遍历 pdf.pages，page.extract_text()。
• 表格：page.extract_tables()，可转 DataFrame 再导出 Excel。

reportlab：生成 PDF

• 简单：canvas.Canvas + drawString、line 等，最后 save。
• 多页/富文本：SimpleDocTemplate、Paragraph、Spacer、PageBreak，使用 getSampleStyleSheet。

何时使用

• 提取 PDF 文本或表格
• 合并、拆分、旋转页面
• 程序化生成 PDF 报告
• 填写或解析 PDF 表单（见 forms.md）