PDF 工具

使用 Python 库（pdfplumber 和 PyPDF2）查看、提取和编辑 PDF 文件的工具。

快速开始

所有脚本都需要依赖项：

pip3 install pdfplumber PyPDF2

核心操作

提取文本

从 PDF 中提取文本（所有页面或特定页面）：

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

查看元数据和结构：

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

合并 PDF

将多个 PDF 合并为一个：

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

拆分 PDF

拆分为单页：

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

按页面范围拆分：

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

旋转页面

旋转所有页面或特定页面：

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

在页面上添加文本覆盖层：

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（功能有限，在简单情况下效果最佳）：

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

注意：由于 PDF 格式的原因，其文本编辑很复杂。覆盖方法比替换方法更可靠。

工作流模式

查看PDF内容

1. 获取基本信息：scripts/pdf_info.py 文件.pdf
2. 提取文本进行预览：scripts/extract_text.py 文件.pdf -p 1
3. 如需要，提取完整文本：scripts/extract_text.py 文件.pdf -o 内容.txt

重组PDF文件

1. 按页拆分：scripts/split_pdf.py 输入.pdf -o 页面目录/
2. 合并选定页面：scripts/merge_pdfs.py 页面目录/页面_1.pdf 页面目录/页面_3.pdf -o 重新排序.pdf

提取章节

1. 获取页数：scripts/pdf_info.py 文档.pdf
2. 按范围拆分：scripts/split_pdf.py 文档.pdf -o 章节目录/ -m 范围 -r "1-5,10-15"

高级用法

详细库文档及高级模式，请参阅参考资料/库文档.md.

说明

• 页码在所有脚本中均采用1-起始索引（第1页 = 第一页）
• 文本提取功能在基于文本的PDF（非扫描图像）上效果最佳
• 旋转角度：90、180、270 或 -90（逆时针方向）
• 所有脚本在处理前都会验证文件是否存在