PDF工具箱Pro
全面处理 PDF 文档。从内容提取到文档生成,从合并拆分到表单填写,覆盖 PDF 全流程。
使用场景
| 场景 | 触发条件 | 说明 |
|---|---|---|
| 内容提取 | 从 PDF 取文本/表格 | OCR + 结构化提取 |
| 文档合并 | 多个 PDF 合一 | 按顺序合并+目录 |
| 文档拆分 | 一个 PDF 拆多 | 按页/按书签拆分 |
| 表单填写 | PDF 表单自动化 | 数据填充表单字段 |
| PDF 生成 | 从内容生成 PDF | HTML/Markdown → PDF |
| 注释标记 | 审阅 PDF | 高亮/批注/签名 |
工作流
1. PDF 读取与解析
- 读取 PDF 文件:支持加密 PDF(需密码)
- 元数据提取:标题/作者/主题/关键词/创建时间
- 页面信息:页数/页面尺寸/方向
- 书签/目录:提取文档结构
2. 文本与表格提取
- 文本提取:
- 纯文本 PDF:直接提取,保留段落
- 扫描 PDF:OCR 识别(多语言支持)
- 布局保留:多栏/表格/图文混排 - 表格提取:
- 识别表格结构(行/列/合并单元格)
- 输出为 CSV/Excel/Markdown 表格
- 处理跨页表格 - 图片提取:提取嵌入图片,保留分辨率
3. 合并与拆分
- 合并:
- 多个 PDF 按顺序合并
- 添加分隔页/目录
- 统一页面大小 - 拆分:
- 按页码范围拆分(如 1-5, 6-10)
- 按书签/章节拆分
- 每页拆为单独 PDF - 页面操作:
- 删除指定页
- 重排序页面
- 旋转页面(90/180/270)
- 提取指定页
4. 表单处理
- 表单字段识别:文本框/复选框/单选/下拉/签名域
- 数据填充:
- 从 JSON/Excel 读取数据
- 映射字段名到表单域
- 批量填充多个表单 - 表单扁平化:填充后锁定,不可再编辑
5. 注释与标记
- 高亮:选中文本高亮(多色)
- 批注:添加便签批注
- 画线标记:下划线/删除线/波浪线
- 形状标注:矩形/椭圆/箭头
- 签名:手写签名图片嵌入
- 水印:文字/图片水印(透明度/位置)
6. PDF 生成
- 从 HTML 生成:HTML/CSS → PDF(支持打印样式)
- 从 Markdown 生成:Markdown → PDF(含目录/页码)
- 从零构建:程序化生成(文本/图片/表格/图形)
- 页面设计:页眉页脚/页码/水印/边距
输出规范
- 提取文本:
output/{pdf-name}/text.txt - 提取表格:
output/{pdf-name}/tables/(CSV/Excel) - 提取图片:
output/{pdf-name}/images/ - 合并结果:
output/{merge-name}/merged.pdf - 拆分结果:
output/{split-name}/pages/ - 填充表单:
output/{form-name}/filled.pdf - 元数据:
output/{pdf-name}/metadata.json
依赖说明
运行环境
- Agent平台: Claude Code / Cursor / Codex / Gemini CLI / Windsurf 等支持SKILL.md的任意Agent
- 操作系统: Windows / macOS / Linux
- 运行时: 需要Agent支持exec(命令行执行)能力
第三方依赖
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| Python 3.8+ | 运行时 | 可选 | PyPDF2/pdfplumber/reportlab等 |
| LLM API | API | 可选 | 由Agent内置LLM提供内容分析 |
API Key 配置
- 本Skill无需额外API Key配置
纯Markdown使用说明
本Skill为PDF处理方法论指导。实际处理PDF需要Python PDF库,Agent通过exec调用。
只需将SKILL.md文件放入Agent的skills目录即可直接使用。
如果Skill中包含exec工具调用,需要Agent支持命令行执行能力。
可用性分类
- 分类: MD+EXEC
- 说明: 纯Markdown,但需要exec能力(命令行执行),用于文件读写和命令调用
