pdf-toolkit

# PDF 工具箱 帮用户对本地 PDF 文件做常见处理：合并、拆分、提取文字、转图片。优先用系统已有工具， 没有就用 Python 的 pypdf（轻量纯 Python，必要时 `pip install pypdf` 自动安装）。 ## 能力概述 - **合并**：把多个 PDF 拼成一个 - **拆分**：按页拆成多份，或抽取指定页 - **提取文字**：把 PDF 内容导出成纯文本，便于总结/检索 - **页数/信息**：查看 PDF 总页数、元信息 ## 操作方式 用 Bash 工具执行。下面以 pypdf 为例（跨平台、无需 Office/Acrobat）： ```bash # 确保依赖（仅首次，已装会秒过） python -c "import pypdf" 2>/dev/null || pip install -q pypdf # 合并 a.pdf b.pdf -> merged.pdf python - <<'PY' from pypdf import PdfWriter w = PdfWriter() for f in ["a.pdf", "b.pdf"]: w.append(f) w.write("merged.pdf"); w.close() print("已合并 -> merged.pdf") PY # 提取全部文字 python - <<'PY' from pypdf import PdfReader r = PdfReader("input.pdf") print("\n".join((p.extract_text() or "") for p in r.pages)) PY # 抽取第 1-3 页 -> sub.pdf python - <<'PY' from pypdf import PdfReader, PdfWriter r = PdfReader("input.pdf"); w = PdfWriter() for i in range(0, 3): w.add_page(r.pages[i]) w.write("sub.pdf"); w.close() print("已抽取 1-3 页 -> sub.pdf") PY ``` ## 使用建议 - 处理前先 `ls` 确认文件存在、用 `python -c "from pypdf import PdfReader;print(len(PdfReader('x.pdf').pages))"` 看页数 - 扫描件（图片型 PDF）提取不到文字属正常，需 OCR（提示用户） - 输出文件默认放在与源文件同目录，操作完告诉用户生成的文件名