Document Processor_办公效率 skill-PHP中文网

Document Processor

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

PDF和Word文档处理技能，支持PDF-Word相互转换、页面提取、去水印、合并拆分等操作

文档处理技能 📄

功能概述

文档处理技能 📄是一项面向实际任务的技能，主要用于专业的PDF和Word文档处理工具集，支持多种文档格式转换和编辑操作；PDF处理；

核心要点

✅ PDF页面提取（提取指定页面生成新PDF）；
✅ PDF转Word（保留格式）；
✅ PDF合并/拆分；

使用与执行

✅ PDF去水印；✅ PDF压缩优化；✅ PDF添加水印/页眉页脚；✅ OCR页码识别（识别扫描件PDF中的页码）；Word处理；✅ Word转PDF；✅ Word文档合并；✅ Word内容提。

结果检查与注意事项

它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。该技能适合用于一次性任务，也可以接入自动化工作流，与其他技能或上层代理配合完成更完整的业务链路；在组合使用时，应明确每一步的输入输出关系，并避免不同步骤之间出现参数冲突。

文档处理技能 📄

专业的PDF和Word文档处理工具集，支持多种文档格式转换和编辑操作。

功能特性

1. PDF处理

✅ PDF页面提取（提取指定页面生成新PDF）
✅ PDF转Word（保留格式）
✅ PDF合并/拆分
✅ PDF去水印
✅ PDF压缩优化
✅ PDF添加水印/页眉页脚
✅ OCR页码识别（识别扫描件PDF中的页码）

2. Word处理

✅ Word转PDF
✅ Word文档合并
✅ Word内容提取
✅ Word格式清理

3. OCR功能

✅ 扫描件PDF文字识别
✅ 多语言支持（中英文等）
✅ 页码自动识别和映射
✅ 批量OCR处理

4. 其他功能

✅ 图片提取（从PDF中提取图片）
✅ 批量处理（处理多个文件）

工具依赖

本技能需要以下Python库：

PyPDF2 - PDF处理
python-docx - Word文档处理
pdf2docx - PDF转Word
Pillow - 图片处理
pdfplumber - 高级PDF处理

安装命令：

pip install PyPDF2 python-docx pdf2docx pillow pdfplumber

使用示例

1. PDF页面提取

# 提取第14-29页
python3 pdf_extractor.py "input.pdf" "output_pages_14-29.pdf" -s 14 -e 29

# 提取特定页面
python3 pdf_extractor.py "input.pdf" "output_specific.pdf" -p "1,3,5-7,10"

2. PDF转Word

python3 pdf_to_word.py "document.pdf" "document.docx"

3. Word转PDF

python3 word_to_pdf.py "document.docx" "document.pdf"

4. PDF去水印

python3 remove_watermark.py "input.pdf" "output_no_watermark.pdf"

5. 批量PDF转Word

python3 batch_pdf_to_word.py "/path/to/pdf/folder" "/path/to/output/folder"

脚本文件

本技能包含以下Python脚本：

核心脚本

pdf_extractor.py - PDF页面提取工具
pdf_to_word.py - PDF转Word工具
word_to_pdf.py - Word转PDF工具
pdf_ocr.py - PDF OCR和页码识别工具
remove_watermark.py - PDF去水印工具
pdf_merger.py - PDF合并工具
pdf_splitter.py - PDF拆分工具

实用工具

batch_processor.py - 批量处理工具
pdf_compressor.py - PDF压缩工具
image_extractor.py - 图片提取工具
install_dependencies.py - 依赖安装工具
test_skill.py - 技能测试工具

使用指南

当用户需要处理文档时：

识别需求：确定用户需要什么功能（转换、提取、编辑等）
检查依赖：确保所需Python库已安装
选择脚本：根据需求选择合适的脚本
执行操作：运行相应的Python脚本
验证结果：检查输出文件是否满足要求

高级功能

OCR页码识别

# 分析PDF页码结构
python3 pdf_ocr.py analyze "input.pdf" --start 1 --end 50 --language chi_sim+eng

# 根据标注页码提取页面
python3 pdf_ocr.py extract "input.pdf" "output.pdf" --start-label 14 --end-label 29 --language chi_sim+eng

自定义水印

# 添加文本水印
python3 add_watermark.py "input.pdf" "output.pdf" --text "CONFIDENTIAL" --position "center"

# 添加图片水印
python3 add_watermark.py "input.pdf" "output.pdf" --image "watermark.png" --opacity 0.3

批量处理

# 批量转换文件夹内所有PDF为Word
python3 batch_processor.py --input-dir "./pdfs" --output-dir "./docs" --operation "pdf2word"

# 批量提取所有PDF的封面
python3 batch_processor.py --input-dir "./pdfs" --output-dir "./covers" --operation "extract" --pages "1"