PDF 工具

使用 Python 库（pdfplumber 和 PyPDF2）实现 PDF 文件的查看、文本提取与编辑功能。

快速开始

所有脚本均需安装以下依赖：

pip3 install pdfplumber PyPDF2

核心操作

提取文本

从 PDF 中提取文本（全部页面或指定页面）：

scripts/extract_text.py document.pdf
scripts/extract_text.py document.pdf -p 1 3 5
scripts/extract_text.py document.pdf -o output.txt

获取 PDF 信息

查看元数据与文档结构：

scripts/pdf_info.py document.pdf
scripts/pdf_info.py document.pdf -f json

合并 PDF

将多个 PDF 合并为单个文件：

scripts/merge_pdfs.py file1.pdf file2.pdf file3.pdf -o merged.pdf

拆分 PDF

按页拆分为独立文件：

scripts/split_pdf.py document.pdf -o output_dir/

按页码范围拆分：

scripts/split_pdf.py document.pdf -o output_dir/ -m ranges -r "1-3,5-7,10-12"

旋转页面

旋转全部页面或指定页面：

scripts/rotate_pdf.py document.pdf -o rotated.pdf -r 90
scripts/rotate_pdf.py document.pdf -o rotated.pdf -r 180 -p 1 3 5

编辑文本

在页面上添加文字覆盖层（text overlay）：

scripts/edit_text.py document.pdf -o edited.pdf --overlay "New Text" --page 1 --x 100 --y 700
scripts/edit_text.py document.pdf -o edited.pdf --overlay "Watermark" --page 1 --x 200 --y 400 --font-size 20

替换文本（能力有限，仅适用于简单场景）：

scripts/edit_text.py document.pdf -o edited.pdf --replace "Old Text" "New Text"

注意：由于 PDF 格式本身的复杂性，文本编辑存在较大限制。相比文本替换，文字覆盖层方式更为可靠。

典型工作流模式

查看 PDF 内容

1. 获取基本信息：scripts/pdf_info.py file.pdf
2. 预览第一页文本：scripts/extract_text.py file.pdf -p 1
3. 如需全文本，执行完整提取：scripts/extract_text.py file.pdf -o content.txt

重组 PDF

1. 先按页拆分：scripts/split_pdf.py input.pdf -o pages/
2. 再合并选定页面：scripts/merge_pdfs.py pages/page_1.pdf pages/page_3.pdf -o reordered.pdf

提取指定章节

1. 获取总页数：scripts/pdf_info.py document.pdf
2. 按范围拆分：scripts/split_pdf.py document.pdf -o sections/ -m ranges -r "1-5,10-15"

高级用法

有关库的详细文档与进阶使用模式，请参阅 references/libraries.md。

注意事项

• 所有脚本中页码均为从 1 开始编号（即 page 1 表示第一页）
• 文本提取对基于文本的 PDF 效果最佳；扫描图像类 PDF 不适用
• 旋转角度支持：90、180、270 或 -90（逆时针旋转）
• 所有脚本在处理前均会校验输入文件是否存在