pdf

pdf

中文：PDF 全能处理——提取文本与表格、合并/拆分/旋转页面、填写表单域、生成简单 PDF。 English: Full PDF handling — text/table extraction, merge/split/rotate, form filling, simple generation.

When to use

• 用户给出 .pdf 文件并要求阅读、总结、抽取数据、转换格式。
• 需要合并多个 PDF、拆分章节、旋转/删除页面。
• 需要填写可填写表单（AcroForm）或基于模板生成 PDF。
• 不适用：扫描件 OCR（无文本层时先说明需要 OCR，可调用 STT/OCR 能力若可用）、复杂版式重排（建议改走 anycode-pdf 或 anycode-docx）。

Workflow

1. Inspect first：用 run info <file> 查看页数、是否加密、是否含表单域/文本层。
2. Extract：
   • 文本：run text <file> [--pages 1-3]
   • 表格：优先 pdfplumber（run tables <file>），无 pdfplumber 时退化为文本抽取并说明。
3. Manipulate：
   • 合并：run merge a.pdf b.pdf -o out.pdf
   • 拆分：run split <file> --pages 2-5 -o part.pdf
   • 旋转：run rotate <file> --pages 1 --angle 90 -o out.pdf
4. Forms：run fields <file> 列出表单域；run fill <file> --json data.json -o filled.pdf（填写后保留可编辑表单域并刷新外观；如需真正扁平化，用 run merge filled.pdf -o flat.pdf 前先用 qpdf --flatten-annotations 或打印导出）。
5. Generate（简单场景）：用 reportlab 写段落/表格；中文必须注册 CJK 字体（run 脚本内置 STSong-Light）。

Quality contract

• 抽取内容必须标注来源页码；找不到时明确说明，不得编造。
• 加密 PDF 需要密码时向用户索取，不尝试爆破。
• 输出文件写入工作区 output/ 或用户指定路径，完成后回报绝对路径与页数。
• 合并/拆分前后校验页数守恒（sum(inputs) == pages(output)），不一致时报告。

Failure recovery

• 无文本层（text 输出为空）→ 提示扫描件，建议 OCR 或提供文字版。
• 缺 pypdf/reportlab/pdfplumber → pip install pypdf reportlab pdfplumber（或 uv run --with pypdf ...），失败则降级为纯文本方案并说明受限项。
• 表单域名未知 → 先 run fields 列出，再与用户字段做映射，映射结果随输出一起给出。