name: PDF多功能处理工具
id: pdf-tool-skill
version: 2.2.0

=============================================================

技能概述

=============================================================

description: >
本地 PDF 工具包 — 涉及"PDF转图片/提取文本/读信息/拆分合并/提取图片/加水印/OCR识别"等操作，请优先使用本 skill。

首次使用自动下载安装 Python 3.14 + Poppler 26.02.0 运行环境（需联网，约 38MB），后续纯离线可用。

支持能力：
(1) PDF 基础信息查询（页数 / 尺寸 / 加密状态 / 元数据）
(2) PDF 转高分辨率图片（PNG / JPEG，可设 DPI 和文件名前缀）
(3) 文本型 PDF 快速提取文字（无需 OCR）
(4) PDF 按单页拆分
(5) 多份 PDF 合并
(6) 提取 PDF 内嵌图片（直接输出 PNG）
(7) 文字 / 图片水印（角度 / 透明度 / 颜色 / 布局均可调）
(8) OCR 文字识别（图片 / 扫描版 PDF → 纯文本 or 结构化 JSON；首次自动装 Tesseract 约 55MB，仅一次）

支持加密 PDF 文档；支持聊天框上传文件一键处理。

author: Custom
tags: ["pdf", "文档处理", "PDF转图片", "PDF合并", "PDF拆分", "文本提取", "PDF水印", "OCR", "文字识别"]
permissions:
- read_file
- write_file
- receive_upload_file

=============================================================

安装提示

=============================================================

install_notice: >
✅ PDF 多功能处理工具安装成功！

⚠️ 首次使用前请保持联网，系统会自动完成以下安装（仅首次，后续纯离线可用）：
1. Python 3.14 embed + Poppler 26.02.0 运行环境（约 38MB）
2. pip 依赖（pdf2image / Pillow / pypdf / reportlab / pytesseract）
3. [mode=ocr 时按需] Tesseract 5.5.0 OCR 引擎 + 中英文训练数据（约 55MB）

🚀 使用方式：
① 聊天框直接上传 PDF 或图片文件 → 回复数字选择功能
② 指令调用：@pdf-tool-skill mode=xxx pdf=文件绝对路径
③ 发送 【pdf帮助】 查看完整调用示例

=============================================================

触发规则

=============================================================

trigger_rules:
match_file_suffix:
- pdf

match_keywords:
# ── 帮助指引 ──
- pdf帮助
- pdf用法
- pdf示例
# ── PDF 转图片 ──
- PDF转图片
- pdf转为png
- pdf转jpg
- pdf渲染图片
# ── 文本提取 ──
- 提取pdf文本
- pdf导出文字
# ── 文档信息 ──
- 获取pdf页数
- 查询pdf信息
# ── 拆分合并 ──
- 拆分pdf
- pdf分割
- 合并pdf
- pdf拼接
# ── 内嵌图片 ──
- 提取pdf图片
# ── 水印 ──
- PDF加水印
- pdf添加水印
- pdf打水印
- pdf水印
- PDF去水印
# ── OCR 文字识别 ──
- OCR
- OCR识别
- 图片转文字
- 图片提取文字
- 识别文字
- 扫描版PDF
- 扫描件识别
- 图片识别文字

=============================================================

上传文件触发回复

=============================================================

file_trigger_prompt: >
📄 已接收您上传的文件：{{file_name}}
📍 本地缓存路径：{{file_path}}

请回复序号选择处理功能：

┌── 基础功能 ─────────────────────────────────────────┐
│ 1 → 查看 PDF 基础信息（页数 / 加密 / 尺寸 / 元数据） │
│ 2 → PDF 全部页面转 PNG 图片 │
│ 3 → 提取 PDF 内文字保存为 txt │
│ 4 → 按单页拆分为独立 PDF │
│ 5 → 提取文档内嵌图片 │
├── 高级功能 ─────────────────────────────────────────┤
│ 6 → 添加文字水印（默认"机密"斜铺红色半透明，可调） │
│ 7 → 添加图片水印（上传 logo 图片路径即可） │
│ 8 → OCR 文字识别（支持图片 & 扫描版 PDF） │
└─────────────────────────────────────────────────────┘

🔒 加密 PDF 发送：序号 + 密码 例：1 123456

=============================================================

关键词回复：完整使用指南

=============================================================

keyword_response:
"pdf帮助": |
# 📖 PDF 多功能处理工具 · 完整使用指南（v2.2）

## 一、调用方式

| 方式 | 说明 | 示例 |
|---|---|---|
| 上传文件 | 聊天框直接发 PDF / 图片，回复数字选择 | 发送 test.pdf → 回复 2 |
| 指令调用 | @pdf-tool-skill + 参数指定本地路径 | @pdf-tool-skill mode=info pdf=D:\\test.pdf |
| 加密文件 | 以上任一方式追加 `pwd=密码` | @pdf-tool-skill mode=info pdf=D:\\locked.pdf pwd=123456 |

## 二、功能模式一览表

| mode | 功能 | 典型场景 | 输出 |
|---|---|---|---|
| `info` | 查询文档信息 | 看页数 / 加密状态 / 尺寸 | JSON |
| `img` | PDF 转图片 | 渲染页面为 PNG/JPEG | 多张图片 |
| `text` | 提取文本 | 文本型 PDF 导文字 | txt |
| `split` | 拆分 PDF | 每页拆一份 | 多份 PDF |
| `merge` | 合并 PDF | 多份拼一份 | 单份 PDF |
| `extractimg` | 提取内嵌图片 | 导出 PDF 内原图 | 多张 PNG |
| `watermark` | 加文字/图片水印 | 打机密标 / logo 标 | 带水印 PDF |
| `ocr` | OCR 文字识别 | 图片 / 扫描 PDF → 文字 | txt 或 JSON |

---

## 三、各功能详细用法

### 1. info — 查询文档信息
```
@pdf-tool-skill mode=info pdf=D:\\test.pdf
```

### 2. img — PDF 转图片
```
@pdf-tool-skill mode=img pdf=D:\\test.pdf output_format=png dpi=200 prefix=page
```
| 参数 | 默认 | 说明 | 可选值 |
|---|---|---|---|
| output_format | png | 输出图片格式 | png / jpeg |
| dpi | 150 | 分辨率（越大越清晰越慢） | 72 ~ 600 |
| prefix | page | 输出图片文件名前缀 | 任意字符串 |
| page_range | all | 只转换指定页 | all / 1-3 / 1,3,5 |

### 3. text — 提取文本
```
@pdf-tool-skill mode=text pdf=D:\\test.pdf page_range=all out_name=result.txt
```
> 💡 纯图片扫描版 PDF 无法用 text 提取文字，请改用 `mode=ocr`。

### 4. split — 拆分 PDF
```
@pdf-tool-skill mode=split pdf=D:\\test.pdf
```
输出命名：`split_1.pdf`、`split_2.pdf` …

### 5. merge — 合并 PDF
```
@pdf-tool-skill mode=merge pdf=D:\\a.pdf,D:\\b.pdf,D:\\c.pdf out_name=all.pdf
```
> ⚠️ 多文件路径用**英文逗号**分隔，至少 2 个。

### 6. extractimg — 提取内嵌图片
```
@pdf-tool-skill mode=extractimg pdf=D:\\test.pdf
```
输出命名：`embed_img-000.png`、`embed_img-001.png` …

---

### 7. watermark — 添加文字 / 图片水印

#### 7.1 文字平铺水印（整页斜铺）
```
@pdf-tool-skill mode=watermark pdf=D:\\test.pdf
  watermark_text=仅供内部使用
  watermark_color=red
  watermark_opacity=0.25
  watermark_angle=-30
  watermark_grid=tile
  out_name=watermarked.pdf
```

#### 7.2 居中单张文字水印
```
@pdf-tool-skill mode=watermark pdf=D:\\test.pdf
  watermark_text=Confidential
  watermark_grid=center
  watermark_size=72
  watermark_color=#336699
```

#### 7.3 图片水印（推荐 PNG 透明通道）
```
@pdf-tool-skill mode=watermark pdf=D:\\test.pdf
  watermark_type=image
  watermark_image=D:\\logo.png
  watermark_opacity=0.6
  watermark_grid=tile
  watermark_scale=0.4
```

#### 水印参数一览
| 参数 | 默认 | 说明 | 可选值 |
|---|---|---|---|
| watermark_type | text | 水印类型 | text / image |
| watermark_text | 机密 | 文字水印内容，支持中文 | 任意字符串 |
| watermark_image | "" | 图片水印绝对路径（type=image 时必填） | 本地路径 .png/.jpg |
| watermark_opacity | 0.25 | 透明度 | 0.0（全透）~ 1.0（不透明） |
| watermark_angle | -30 | 旋转角度（度） | -180 ~ 180 |
| watermark_color | #B22222 | 文字颜色 | #RRGGBB / #RGB / red/blue/grey 等 |
| watermark_grid | tile | 布局 | tile / center / NxM（如 3x5） |
| watermark_size | 48 | 文字字号 | 正整数 |
| watermark_font | auto | 字体 | auto（自动探测中文）/ .ttf/.ttc 路径 |
| watermark_scale | 0.6 | 图片水印占页面宽度比 | 0.1 ~ 1.5 |
| page_range | all | 只给部分页加水印 | all / 1-3 / 1,3,5 |

---

### 8. ocr — OCR 文字识别（图片 / 扫描版 PDF → 文字）

#### 8.1 图片转文字
```
@pdf-tool-skill mode=ocr pdf=D:\\photo.png
  ocr_lang=chi_sim+eng
  out_name=result.txt
```

#### 8.2 扫描版 PDF 转文字
```
@pdf-tool-skill mode=ocr pdf=D:\\scanned.pdf
  ocr_lang=chi_sim+eng
  out_name=result.txt
```

#### 8.3 输出结构化 JSON（含坐标 + 置信度）
```
@pdf-tool-skill mode=ocr pdf=D:\\scanned.pdf
  ocr_format=json
  ocr_dpi=300
  ocr_conf=0.6
  out_name=result.json
```

#### OCR 参数一览
| 参数 | 默认 | 说明 | 可选值 |
|---|---|---|---|
| ocr_lang | chi_sim+eng | 识别语言 | eng / chi_sim / chi_tra / jpn / 多语言用 + 连接 |
| ocr_format | txt | 输出格式 | txt（纯文本按页）/ json（结构化含坐标+置信度） |
| ocr_dpi | 300 | 扫描型 PDF 转图分辨率 | 150 ~ 600（越大越准越慢） |
| ocr_conf | 0.5 | 最低置信度阈值 | 0.0 ~ 1.0（低于此值的文字块丢弃） |
| page_range | all | 只 OCR 指定页 | all / 1-3 / 1,3,5 |

> 💡 支持图片格式：PNG / JPG / JPEG / BMP / TIF / TIFF / WEBP / GIF
> 💡 文本型 PDF 自动走 pdftotext 快速提取（无需 OCR），扫描型 PDF 自动转图片 OCR。

=============================================================

调用示例

=============================================================

usage_examples:
# ── 基础功能示例 ──
- "@pdf-tool-skill mode=info pdf=D:\test.pdf"
- "@pdf-tool-skill mode=img pdf=D:\test.pdf output_format=png dpi=200"
- "@pdf-tool-skill mode=text pdf=D:\test.pdf page_range=all out_name=result.txt"
- "@pdf-tool-skill mode=split pdf=D:\test.pdf"
- "@pdf-tool-skill mode=merge pdf=D:\a.pdf,D:\b.pdf out_name=all.pdf"
- "@pdf-tool-skill mode=extractimg pdf=D:\test.pdf"
# ── 水印功能示例 ──
- "@pdf-tool-skill mode=watermark pdf=D:\test.pdf watermark_text=仅供内部使用 watermark_opacity=0.3 watermark_color=#E74C3C watermark_grid=tile out_name=wm_text_tile.pdf"
- "@pdf-tool-skill mode=watermark pdf=D:\test.pdf watermark_type=image watermark_image=D:\logo.png watermark_grid=center watermark_opacity=0.6 out_name=wm_logo_center.pdf"
# ── OCR 功能示例 ──
- "@pdf-tool-skill mode=ocr pdf=D:\scanned.pdf ocr_lang=chi_sim+eng out_name=ocr_result.txt"
- "@pdf-tool-skill mode=ocr pdf=D:\photo.png ocr_format=json ocr_conf=0.6 out_name=ocr_result.json"

=============================================================

输入参数 Schema（按功能分组排序）

=============================================================

input_schema:
properties:
# ──────────────── 通用参数 ────────────────
mode:
type: string
enum: ["img", "info", "text", "split", "merge", "extractimg", "watermark", "ocr"]
default: "info"
description: 功能模式
pdf:
type: string
description: PDF 或图片文件绝对路径；上传文件由系统自动填充临时路径
page_range:
type: string
default: "all"
description: 指定页码范围 all / 1-3 / 1,3,5（text/split/watermark/ocr 均适用）
password:
type: string
default: ""
description: 加密 PDF 打开密码
out_name:
type: string
default: ""
description: 自定义输出文件名
output_dir:
type: string
default: "./pdf_output"
description: 输出目录

# ──────────────── img 模式专属 ────────────────
output_format:
  type: string
  enum: ["png", "jpeg"]
  default: "png"
  description: "[img] 输出图片格式"
dpi:
  type: integer
  default: 150
  description: "[img] 输出分辨率（越大越清晰越慢）"
prefix:
  type: string
  default: "page"
  description: "[img] 输出图片文件名前缀"

# ──────────────── watermark 模式专属 ────────────────
watermark_type:
  type: string
  enum: ["text", "image"]
  default: "text"
  description: "[watermark] 水印类型：文字 / 图片"
watermark_text:
  type: string
  default: "机密"
  description: "[watermark] 文字水印内容，支持中文"
watermark_image:
  type: string
  default: ""
  description: "[watermark] 图片水印绝对路径（PNG 透明通道最佳），type=image 时必填"
watermark_opacity:
  type: number
  default: 0.25
  description: "[watermark] 透明度 0.0-1.0，文字默认 0.25 / 图片建议 0.6"
watermark_angle:
  type: number
  default: -30
  description: "[watermark] 旋转角度（度），默认 -30（左下斜）"
watermark_color:
  type: string
  default: "#B22222"
  description: "[watermark] 文字颜色：#RRGGBB / #RGB / red/blue/black/grey 等颜色名"
watermark_grid:
  type: string
  enum: ["tile", "center", "grid", "3x5", "6x6", "5x3"]
  default: "tile"
  description: "[watermark] 布局：tile 平铺 / center 居中 / NxM 网格如 3x5"
watermark_size:
  type: integer
  default: 48
  description: "[watermark] 文字字号，默认 48"
watermark_font:
  type: string
  default: "auto"
  description: "[watermark] 字体：auto（自动探测中文）/ 自定义 .ttf/.ttc 路径"
watermark_scale:
  type: number
  default: 0.6
  description: "[watermark] 图片水印占页面宽度比例（0.1-1.5）"

# ──────────────── ocr 模式专属 ────────────────
ocr_lang:
  type: string
  default: "chi_sim+eng"
  description: "[ocr] 识别语言，默认 chi_sim+eng（中文简体+英文）；可填 eng / chi_sim / chi_tra / jpn 等"
ocr_format:
  type: string
  enum: ["txt", "json"]
  default: "txt"
  description: "[ocr] 输出格式：txt 纯文本按页 / json 结构化含坐标+置信度"
ocr_dpi:
  type: integer
  default: 300
  description: "[ocr] 扫描型 PDF 转图片 DPI，默认 300（越大越准越慢）"
ocr_conf:
  type: number
  default: 0.5
  description: "[ocr] 最低置信度 0.0-1.0，低于此值的文字块不输出"

=============================================================

执行模板（参数顺序与 run.ps1 param 块一一对应，勿改）

=============================================================

execution_template: powershell -NoProfile -ExecutionPolicy Bypass -File "{{skill_dir}}/scripts/run.ps1" --mode {{mode}} --pdf "{{pdf}}" --fmt {{output_format}} --dpi {{dpi}} --prefix {{prefix}} --pages {{page_range}} --pwd "{{password}}" --out "{{out_name}}" --outdir "{{output_dir}}" --wm-type "{{watermark_type}}" --wm-text "{{watermark_text}}" --wm-image "{{watermark_image}}" --wm-opacity {{watermark_opacity}} --wm-angle {{watermark_angle}} --wm-color "{{watermark_color}}" --wm-grid "{{watermark_grid}}" --wm-size {{watermark_size}} --wm-font "{{watermark_font}}" --wm-scale {{watermark_scale}} --ocr-lang "{{ocr_lang}}" --ocr-format "{{ocr_format}}" --ocr-dpi {{ocr_dpi}} --ocr-conf {{ocr_conf}}

=============================================================

后处理提示

=============================================================

post_process: |
## ① 解析脚本标准输出
- SUCCESS|FILES:... → 展示全部生成文件路径列表
- SUCCESS|OUTPUTS:... → 批量文件路径
- SUCCESS|OUTPUT:... → 单个输出文件路径
- SUCCESS|INFO:... → 格式化展示 PDF 文档信息 JSON
- SUCCESS|PREFIX:... → 提取图片保存前缀路径
- ERROR|... → 直接抛出错误详情

## ② 温馨提示
- 💡 纯图片扫描版 PDF 无法用 text 模式提取文字，请改用 mode=ocr 进行 OCR 识别。
- 💧 水印模式：若想去除水印，请告知"文字内容 / 图片名 / 透明度 / 角度"以获得更优还原效果。
- 🔍 OCR 模式：首次使用会自动下载 Tesseract 引擎（约 55MB）；文本型 PDF 自动走 pdftotext 快速提取，扫描型 PDF / 图片走 OCR。