pypdf
/pypdf
Obsługuje pliki PDF w Pythonie przez PyMuPDF: czyta tekst, tabele i obrazy, łączy, dzieli i obraca strony, dodaje znaki wodne, szyfruje oraz renderuje strony, także w dużych plikach.
- Autor
- erixwong ↗
- Repozytorium
- touwaka-ai-mate ↗
- Licencja
- Apache-2.0
- Ostatnia zmiana repozytorium
- 15.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 2
- Skrypty
- 1
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 15.10.2026, bez odwołań do wycofanych modeli i API.
Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.
- 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.
Skrypty: index.py
Co robi i kiedy
Obsługuje pliki PDF w Pythonie przez PyMuPDF: czyta tekst, tabele i obrazy, łączy, dzieli i obraca strony, dodaje znaki wodne, szyfruje oraz renderuje strony, także w dużych plikach.
Oryginalny opis (EN)
PDF 文件处理(Python 版)。使用 PyMuPDF 实现,内存效率高,适合处理大文件。用于读取、提取文本/表格/图片、合并、拆分、旋转、水印、加密/解密、页面渲染。当用户提到 .pdf 文件或需要操作 PDF 时触发。
Jak działa
- 工具清单
- 读取类工具详情
- 写入类工具详情
- 核心优势
Podgląd SKILL.md
---
name: pypdf
description: "PDF 文件处理(Python 版)。使用 PyMuPDF 实现,内存效率高,适合处理大文件。用于读取、提取文本/表格/图片、合并、拆分、旋转、水印、加密/解密、页面渲染。当用户提到 .pdf 文件或需要操作 PDF 时触发。"
license: Proprietary. LICENSE.txt has complete terms
user-invocable: true
source_path: index.py
dependencies:
python:
- PyMuPDF>=1.23.0
---
# PyPDF - PDF 文件处理(Python 版)
> **依赖**:PyMuPDF (fitz) - 内存高效的 PDF 处理库
>
> **优势**:相比 Node.js 版 `pdf` 技能,PyMuPDF 使用内存映射,处理 100MB PDF 仅需 20-50MB 内存,适合大文件处理。
## 工具清单
本技能提供 15 个独立工具,每个工具专注于单一功能:
### 📖 读取类工具(8个)
| 工具 | 功能 | 核心参数 |
|------|------|----------|
| `read_metadata` | 读取 PDF 元数据 | `path`, `parse_page_info` |
| `extract_text` | 提取文本内容 | `path`, `from_page`, `to_page` |
| `extract_tables` | 提取表格数据 | `path`, `from_page`, `to_page` |
| `extract_images` | 提取内嵌图片 | `path`, `output_dir`, `from_page`, `to_page`, `threshold` |
| `render_pages` | 渲染页面为图片 | `path`, `output_dir`, `from_page`, `to_page`, `scale` |
| `to_markdown` | 转换为 Markdown | `path`, `from_page`, `to_page`, `output` |
| `extract_to_markdown_with_images` | 图文混编 PDF 转 Markdown | `path`, `output_dir`, `from_page`, `to_page`, `threshold` |
| `read_form_fields` | 读取表单字段 | `path` |
### ✏️ 写入类工具(7个)
| 工具 | 功能 | 核心参数 |
|------|------|----------|
| `create_pdf` | 创建新 PDF | `output`, `content`, `title`, `page_size` |
| `merge_pdfs` | 合并多个 PDF | `output`, `paths` |
| `split_pdf` | 拆分 PDF(内存高效) | `path`, `output_dir`, `pages_per_file` |
| `rotate_pages` | 旋转指定页面 | `path`, `output`, `pages`, `degrees` |
| `encrypt_pdf` | 加密 PDF | `path`, `output`, `user_password` |
| `decrypt_pdf` | 解密 PDF | `path`, `output`, `password` |
| `add_watermark` | 添加水印 | `path`, `output`, `watermark`, `is_text` |
---
## 读取类工具详情
### read_metadata - 读取 PDF 元数据
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| parse_page_info | boolean | ❌ | 解析每页详细信息(默认: false) |
**调用示例:**
```javascript
pypdf__read_metadata({ path: "doc.pdf" })
pypdf__read_metadata({ path: "doc.pdf", parse_page_info: true })
```
---
### extract_text - 提取文本内容
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| from_page | number | ❌ | 起始页(从1开始) |
| to_page | number | ❌ | 结束页(包含) |
**调用示例:**
```javascript
// 提取全部文本
pypdf__extract_text({ path: "doc.pdf" })
// 提取第1-5页
pypdf__extract_text({ path: "doc.pdf", from_page: 1, to_page: 5 })
```
---
### extract_tables - 提取表格数据
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| from_page | number | ❌ | 起始页(从1开始) |
| to_page | number | ❌ | 结束页(包含) |
**调用示例:**
```javascript
pypdf__extract_tables({ path: "doc.pdf", from_page: 1, to_page: 3 })
```
---
### extract_images - 提取内嵌图片
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output_dir** | string | ✅ | 输出目录(相对于当前工作目录,图片保存到此目录) |
| from_page | number | ❌ | 起始页(从1开始) |
| to_page | number | ❌ | 结束页(包含) |
| threshold | number | ❌ | 图片最小尺寸阈值,像素(默认: 80) |
**调用示例:**
```javascript
// 提取图片到目录(输出文件名自动使用 PDF 文件名作为前缀,如 doc-1.png, doc-2.png)
pypdf__extract_images({
path: "doc.pdf",
output_dir: "./extracted_images"
})
// 提取第1-5页的大图片
pypdf__extract_images({
path: "doc.pdf",
output_dir: "./images",
from_page: 1,
to_page: 5,
threshold: 200
})
```
**注意事项:**
- `output_dir` 为必填参数,图片必须保存到文件(防止内存溢出)
- 输出文件名自动使用 PDF 文件名作为前缀,如 `doc-1.png`, `doc-2.png`
---
### render_pages - 渲染页面为图片
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output_dir** | string | ✅ | 输出目录(相对于当前工作目录,图片保存到此目录) |
| from_page | number | ❌ | 赯始页(从1开始) |
| to_page | number | ❌ | 结束页(包含) |
| scale | number | ❌ | 缩放比例(默认: 1.5,相当于 150 DPI) |
| desired_width | number | ❌ | 期望宽度(像素),设置后忽略 scale |
**调用示例:**
```javascript
// 渲染所有页面到目录(输出文件名自动使用 PDF 文件名作为前缀,如 doc-1.png, doc-2.png)
pypdf__render_pages({
path: "doc.pdf",
output_dir: "./images",
scale: 1.5
})
// 渲染第1-3页,指定宽度
pypdf__render_pages({
path: "doc.pdf",
from_page: 1,
to_page: 3,
output_dir: "./thumbs",
desired_width: 800
})
```
**注意事项:**
- `output_dir` 为必填参数,图片必须保存到文件(防止内存溢出)
- 输出文件名自动使用 PDF 文件名作为前缀,如 `doc-1.png`, `doc-2.png`
---
### to_markdown - 转换为 Markdown
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| from_page | number | ❌ | 起始页(从1开始) |
| to_page | number | ❌ | 结束页(包含) |
| output | string | ❌ | 输出 markdown 文件路径 |
**调用示例:**
```javascript
pypdf__to_markdown({ path: "doc.pdf", output: "doc.md" })
```
---
### extract_to_markdown_with_images - 图文混编 PDF 转 Markdown
**功能说明:**
将图文混编的 PDF 转换为 Markdown 格式,同时提取图片并嵌入链接。适用于包含文字和图片混合排版的 PDF 文档。
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output_dir** | string | ✅ | 输出目录(相对于当前工作目录) |
| from_page | number | ❌ | 起始页(从1开始) |
| to_page | number | ❌ | 结束页(包含) |
| threshold | number | ❌ | 图片最小尺寸阈值,像素(默认: 80) |
**输出结构:**
```
output_dir/
├── {pdf_name}.md # Markdown 文件
└── images/
├── {pdf_name}-1.png
├── {pdf_name}-2.png
└── ...
```
**调用示例:**
```javascript
// 转换图文混编 PDF
pypdf__extract_to_markdown_with_images({
path: "report.pdf",
output_dir: "./output"
})
// 转换指定页面
pypdf__extract_to_markdown_with_images({
path: "report.pdf",
output_dir: "./output",
from_page: 1,
to_page: 10,
threshold: 100
})
```
**返回结果:**
```javascript
{
success: true,
markdown: "...", // Markdown 文本内容
markdown_file: "./output/report.md",
images_dir: "./output/images",
images: [...], // 图片信息列表
image_count: 5,
output_dir: "./output"
}
```
**注意事项:**
- 图片保存到 `images/` 子目录
- Markdown 中图片链接格式:``
- 文本和图片按页面位置排序,保持原文档顺序
---
### read_form_fields - 读取表单字段
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
**调用示例:**
```javascript
pypdf__read_form_fields({ path: "form.pdf" })
```
---
## 写入类工具详情
### create_pdf - 创建新 PDF
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **output** | string | ✅ | 输出 PDF 文件路径 |
| **content** | string[] | ✅ | 文本内容数组(每项为一页) |
| title | string | ❌ | PDF 标题 |
| page_size | string | ❌ | 页面大小: "a4" 或 "letter"(默认: "a4") |
**调用示例:**
```javascript
pypdf__create_pdf({
output: "new.pdf",
content: ["第一页内容", "第二页内容"],
title: "我的文档",
page_size: "a4"
})
```
---
### merge_pdfs - 合并多个 PDF
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **output** | string | ✅ | 输出 PDF 文件路径 |
| **paths** | string[] | ✅ | 要合并的 PDF 文件路径数组(至少2个) |
**调用示例:**
```javascript
pypdf__merge_pdfs({
output: "merged.pdf",
paths: ["a.pdf", "b.pdf", "c.pdf"]
})
```
---
### split_pdf - 拆分 PDF(内存高效)
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output_dir** | string | ✅ | 输出目录(相对于当前工作目录) |
| pages_per_file | number | ❌ | 每个文件的页数(默认: 1) |
**调用示例:**
```javascript
// 拆分为单页文件(输出文件名自动使用 PDF 文件名作为前缀,如 large-1.pdf, large-2.pdf)
pypdf__split_pdf({
path: "large.pdf",
output_dir: "./split"
})
// 每10页一个文件(输出如 large-1-10.pdf, large-11-20.pdf)
pypdf__split_pdf({
path: "large.pdf",
output_dir: "./chunks",
pages_per_file: 10
})
```
**注意事项:**
- 输出文件名自动使用 PDF 文件名作为前缀
- 单页拆分:`{pdf_name}-{page}.pdf`,如 `doc-1.pdf`
- 多页拆分:`{pdf_name}-{start}-{end}.pdf`,如 `doc-1-10.pdf`
---
### rotate_pages - 旋转指定页面
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output** | string | ✅ | 输出 PDF 文件路径 |
| pages | number[] | ❌ | 要旋转的页码(从1开始,空则旋转所有) |
| degrees | number | ❌ | 旋转角度: 90, 180, 270(默认: 90) |
**调用示例:**
```javascript
// 旋转所有页面90度
pypdf__rotate_pages({
path: "doc.pdf",
output: "rotated.pdf",
degrees: 90
})
// 旋转指定页面180度
pypdf__rotate_pages({
path: "doc.pdf",
output: "rotated.pdf",
pages: [1, 3, 5],
degrees: 180
})
```
---
### encrypt_pdf - 加密 PDF
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output** | string | ✅ | 输出 PDF 文件路径 |
| **user_password** | string | ✅ | 打开 PDF 的密码 |
| owner_password | string | ❌ | 编辑密码(默认使用 user_password) |
**调用示例:**
```javascript
pypdf__encrypt_pdf({
path: "doc.pdf",
output: "encrypted.pdf",
user_password: "secret123"
})
```
---
### decrypt_pdf - 解密 PDF
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output** | string | ✅ | 输出 PDF 文件路径 |
| **password** | string | ✅ | 当前密码 |
**调用示例:**
```javascript
pypdf__decrypt_pdf({
path: "encrypted.pdf",
output: "decrypted.pdf",
password: "secret123"
})
```
---
### add_watermark - 添加水印
**参数:**
| 参数 | 类型 | 必需 | 描述 |
|------|------|------|------|
| **path** | string | ✅ | PDF 文件路径 |
| **output** | string | ✅ | 输出 PDF 文件路径 |
| **watermark** | string | ✅ | 水印文本或水印 PDF 路径 |
| is_text | boolean | ❌ | true 为文本水印,false 为 PDF 路径(默认: true) |
**调用示例:**
```javascript
// 添加文本水印
pypdf__add_watermark({
path: "doc.pdf",
output: "watermarked.pdf",
watermark: "CONFIDENTIAL",
is_text: true
})
// 添加 PDF 水印
pypdf__add_watermark({
path: "doc.pdf",
output: "watermarked.pdf",
watermark: "stamp.pdf",
is_text: false
})
```
---
## 核心优势
### 内存高效处理
- 使用 PyMuPDF 的内存映射技术
- 拆分 100MB PDF 仅需 20-50MB 内存
- 支持超大文件处理
### 工具设计原则
- **单一职责**:每个工具只做一件事
- **参数精确**:无冗余参数,每个参数都有明确用途
- **命名直观**:工具名即功能,一目了然
Pliki w paczce (2)
- SKILL.md 12 KB
- index.py 46 KB
Wersje
W bazie nie ma innych skilli o nazwie pypdf.
Migawka bazy z 13.11.2026 · wersja paczki efe332da9c8a (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100pdf
Obsługuje PDF-y: odczyt tekstu, tabel i obrazów, scalanie, dzielenie, znaki wodne, szyfrowanie, formularze i renderowanie stron. - 93pdf-link
Czyta, dzieli, łączy i obraca strony PDF, wypełnia formularze, dodaje znaki wodne i tworzy nowe pliki PDF w czystym Pythonie. - 95pdf
Obsługuje pliki PDF: wyodrębnia tekst i tabele, łączy i dzieli dokumenty, obraca strony, dodaje znaki wodne, wypełnia formularze, szyfruje, wyciąga obrazy i wykonuje OCR skanów. - 100pdf
Obsługuje pliki PDF: wyciąga tekst i tabele, łączy, dzieli, obraca strony, dodaje znaki wodne, wypełnia formularze, szyfruje oraz robi OCR skanów. - 100pdf
Czyta i przetwarza pliki PDF: wyciąga tekst i tabele, wypełnia formularze AcroForm, łączy, dzieli, obraca i renderuje strony. - 100doc-skill-pdf
Czyta, wypełnia, edytuje i generuje pliki PDF (tekst i tabele) przez pypdf, pdfplumber i reportlab.