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）