Przejdź do treści
Biblioteka skilli
Dokumenty i biuro · Konwersja i formaty

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.

Licencja
Apache-2.0
Ostatnia zmiana repozytorium
15.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
2
Skrypty
1
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 15.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co sprawdzić przed instalacją
  • 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

  1. 工具清单
  2. 读取类工具详情
  3. 写入类工具详情
  4. 核心优势
Sekcje z nagłówków SKILL.md, w oryginale · 460 linii, 1 384 słów
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:`![{filename}](images/{filename})`
- 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.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.