PDF

Boîte à outils complète de manipulation de PDF pour extraire du texte et des tableaux, créer de nouveaux PDF, fusionner/découper des documents et gérer des formulaires. Lorsque Claude doit remplir un formulaire PDF ou traiter, générer ou analyser des documents PDF à grande échelle de manière programmatique. licence : Propriétaire. LICENSE.txt contient les conditions complètes

npx skills add https://github.com/anthropics/skills --skill pdf

PDF Processing Guide

Overview

This guide covers essential PDF processing operations using Python libraries and command-line tools. For advanced features, JavaScript libraries, and detailed examples, see REFERENCE.md. If you need to fill out a PDF form, read FORMS.md and follow its instructions.

Quick Start

from pypdf import PdfReader, PdfWriter

# Read a PDF
reader = PdfReader("document.pdf")
print(f"Pages: {len(reader.pages)}")

# Extract text
text = ""
for page in reader.pages:
    text += page.extract_text()

Python Libraries

pypdf - Basic Operations

Merge PDFs

from pypdf import PdfWriter, PdfReader

writer = PdfWriter()
for pdf_file in ["doc1.pdf", "doc2.pdf", "doc3.pdf"]:
    reader = PdfReader(pdf_file)
    for page in reader.pages:
        writer.add_page(page)

with open("merged.pdf", "wb") as output:
    writer.write(output)

Split PDF

reader = PdfReader("input.pdf")
for i, page in enumerate(reader.pages):
    writer = PdfWriter()
    writer.add_page(page)
    with open(f"page_{i+1}.pdf", "wb") as output:
        writer.write(output)

Extract Metadata

reader = PdfReader("document.pdf")
meta = reader.metadata
print(f"Title: {meta.title}")
print(f"Author: {meta.author}")
print(f"Subject: {meta.subject}")
print(f"Creator: {meta.creator}")

Rotate Pages

reader = PdfReader("input.pdf")
writer = PdfWriter()

page = reader.pages[0]
page.rotate(90)  # Rotate 90 degrees clockwise
writer.add_page(page)

with open("rotated.pdf", "wb") as output:
    writer.write(output)

pdfplumber - Text and Table Extraction

Extract Text with Layout

import pdfplumber

with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()
        print(text)

Extract Tables

with pdfplumber.open("document.pdf") as pdf:
    for i, page in enumerate(pdf.pages):
        tables = page.extract_tables()
        for j, table in enumerate(tables):
            print(f"Table {j+1} on page {i+1}:")
            for row in table:
                print(row)

Advanced Table Extraction

import pandas as pd

with pdfplumber.open("document.pdf") as pdf:
    all_tables = []
    for page in pdf.pages:
        tables = page.extract_tables()
        for table in tables:
            if table:  # Check if table is not empty
                df = pd.DataFrame(table[1:], columns=table[0])
                all_tables.append(df)

# Combine all tables
if all_tables:
    combined_df = pd.concat(all_tables, ignore_index=True)
    combined_df.to_excel("extracted_tables.xlsx", index=False)

reportlab - Create PDFs

Basic PDF Creation

from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas

c = canvas.Canvas("hello.pdf", pagesize=letter)
width, height = letter

# Add text
c.drawString(100, height - 100, "Hello World!")
c.drawString(100, height - 120, "This is a PDF created with reportlab")

# Add a line
c.line(100, height - 140, 400, height - 140)

# Save
c.save()

Create PDF with Multiple Pages

from reportlab.lib.pagesizes import letter
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, PageBreak
from reportlab.lib.styles import getSampleStyleSheet

doc = SimpleDocTemplate("report.pdf", pagesize=letter)
styles = getSampleStyleSheet()
story = []

# Add content
title = Paragraph("Report Title", styles['Title'])
story.append(title)
story.append(Spacer(1, 12))

body = Paragraph("This is the body of the report. " * 20, styles['Normal'])
story.append(body)
story.append(PageBreak())

# Page 2
story.append(Paragraph("Page 2", styles['Heading1']))
story.append(Paragraph("Content for page 2", styles['Normal']))

# Build PDF
doc.build(story)

Subscripts and Superscripts

IMPORTANT: Never use Unicode subscript/superscript characters (₀₁₂₃₄₅₆₇₈₉, ⁰¹²³⁴⁵⁶⁷⁸⁹) in ReportLab PDFs. The built-in fonts do not include these glyphs, causing them to render as solid black boxes.

Instead, use ReportLab's XML markup tags in Paragraph objects:

from reportlab.platypus import Paragraph
from reportlab.lib.styles import getSampleStyleSheet

styles = getSampleStyleSheet()

# Subscripts: use <sub> tag
chemical = Paragraph("H<sub>2</sub>O", styles['Normal'])

# Superscripts: use <super> tag
squared = Paragraph("x<super>2</super> + y<super>2</super>", styles['Normal'])

For canvas-drawn text (not Paragraph objects), manually adjust font the size and position rather than using Unicode subscripts/superscripts.

Command-Line Tools

pdftotext (poppler-utils)

# Extract text
pdftotext input.pdf output.txt

# Extract text preserving layout
pdftotext -layout input.pdf output.txt

# Extract specific pages
pdftotext -f 1 -l 5 input.pdf output.txt  # Pages 1-5

qpdf

# Merge PDFs
qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf

# Split pages
qpdf input.pdf --pages . 1-5 -- pages1-5.pdf
qpdf input.pdf --pages . 6-10 -- pages6-10.pdf

# Rotate pages
qpdf input.pdf output.pdf --rotate=+90:1  # Rotate page 1 by 90 degrees

# Remove password
qpdf --password=mypassword --decrypt encrypted.pdf decrypted.pdf

pdftk (if available)

# Merge
pdftk file1.pdf file2.pdf cat output merged.pdf

# Split
pdftk input.pdf burst

# Rotate
pdftk input.pdf rotate 1east output rotated.pdf

Common Tasks

Extract Text from Scanned PDFs

# Requires: pip install pytesseract pdf2image
import pytesseract
from pdf2image import convert_from_path

# Convert PDF to images
images = convert_from_path('scanned.pdf')

# OCR each page
text = ""
for i, image in enumerate(images):
    text += f"Page {i+1}:\n"
    text += pytesseract.image_to_string(image)
    text += "\n\n"

print(text)

Add Watermark

from pypdf import PdfReader, PdfWriter

# Create watermark (or load existing)
watermark = PdfReader("watermark.pdf").pages[0]

# Apply to all pages
reader = PdfReader("document.pdf")
writer = PdfWriter()

for page in reader.pages:
    page.merge_page(watermark)
    writer.add_page(page)

with open("watermarked.pdf", "wb") as output:
    writer.write(output)

Extract Images

# Using pdfimages (poppler-utils)
pdfimages -j input.pdf output_prefix

# This extracts all images as output_prefix-000.jpg, output_prefix-001.jpg, etc.

Password Protection

from pypdf import PdfReader, PdfWriter

reader = PdfReader("input.pdf")
writer = PdfWriter()

for page in reader.pages:
    writer.add_page(page)

# Add password
writer.encrypt("userpassword", "ownerpassword")

with open("encrypted.pdf", "wb") as output:
    writer.write(output)

Quick Reference

TaskBest ToolCommand/Code
Merge PDFspypdfwriter.add_page(page)
Split PDFspypdfOne page per file
Extract textpdfplumberpage.extract_text()
Extract tablespdfplumberpage.extract_tables()
Create PDFsreportlabCanvas or Platypus
Command line mergeqpdfqpdf --empty --pages ...
OCR scanned PDFspytesseractConvert to image first
Fill PDF formspdf-lib or pypdf (see FORMS.md)See FORMS.md

Next Steps

  • For advanced pypdfium2 usage, see REFERENCE.md
  • For JavaScript libraries (pdf-lib), see REFERENCE.md
  • If you need to fill out a PDF form, follow the instructions in FORMS.md
  • For troubleshooting guides, see REFERENCE.md

Plus de skills de Anthropic

Algorithmic Art
Anthropic
Création d'art algorithmique avec p5.js utilisant l'aléatoire ensemencé et l'exploration interactive de paramètres. Utilisez ceci lorsque les utilisateurs demandent la création d'art par code, d'art génératif, d'art algorithmique, de champs de flux ou de systèmes de particules. Créez un art algorithmique original plutôt que de copier le travail d'artistes existants pour éviter les violations de droits d'auteur. licence : Conditions complètes dans LICENSE.txt
creative
Internal Comms
Anthropic
Un ensemble de ressources pour m'aider à rédiger toutes sortes de communications internes, en utilisant les formats que mon entreprise préfère. Claude doit utiliser cette compétence chaque fois qu'on lui demande de rédiger une communication interne (rapports d'avancement, mises à jour pour la direction, mises à jour 3P, bulletins d'entreprise, FAQ, rapports d'incidents, mises à jour de projet, etc.). licence : Conditions complètes dans LICENSE.txt
Artifacts Builder
Anthropic
Suite d'outils pour créer des artefacts HTML claude.ai élaborés et multi-composants à l'aide de technologies frontend web modernes (React, Tailwind CSS, shadcn/ui). À utiliser pour les artefacts complexes nécessitant une gestion d'état, un routage ou des composants shadcn/ui - pas pour les artefacts HTML/JSX simples à fichier unique. licence : Conditions complètes dans LICENSE.txt
development
Webapp Testing
Anthropic
Kit d'outils pour interagir avec et tester des applications web locales à l'aide de Playwright. Permet de vérifier les fonctionnalités frontend, de déboguer le comportement de l'interface utilisateur, de capturer des captures d'écran du navigateur et de consulter les journaux du navigateur. licence : Conditions complètes dans LICENSE.txt
development
XLSX
Anthropic
Création, édition et analyse complètes de feuilles de calcul avec prise en charge des formules, du formatage, de l'analyse des données et de la visualisation. Lorsque Claude doit travailler avec des feuilles de calcul (.xlsx, .xlsm, .csv, .tsv, etc.) pour : (1) Créer de nouvelles feuilles de calcul avec formules et formatage, (2) Lire ou analyser des données, (3) Modifier des feuilles de calcul existantes tout en préservant les formules, (4) Analyser et visualiser des données dans des feuilles de calcul, ou (5) Recalculer des formules licence : Propriétaire. LICENSE.txt contient les conditions complètes
document
Skill Creator
Anthropic
Guide pour créer des skills efficaces. Cette compétence doit être utilisée lorsque les utilisateurs souhaitent créer un nouveau skill (ou mettre à jour un skill existant) qui étend les capacités de Claude avec des connaissances spécialisées, des workflows ou des intégrations d'outils. licence : Conditions complètes dans LICENSE.txt
Slack Gif Creator
Anthropic
Boîte à outils pour créer des GIFs animés optimisés pour Slack, avec des validateurs pour les contraintes de taille et des primitives d'animation composables. Cette compétence s'applique lorsque les utilisateurs demandent des GIFs animés ou des animations d'emoji pour Slack à partir de descriptions comme "fais-moi un GIF pour Slack de X faisant Y". licence : Conditions complètes dans LICENSE.txt
creative
Theme Factory
Anthropic
Boîte à outils pour styliser des artefacts avec un thème. Ces artefacts peuvent être des diapositives, des documents, des rapports, des pages d'atterrissage HTML, etc. Il existe 10 thèmes prédéfinis avec des couleurs/polices que vous pouvez appliquer à tout artefact déjà créé, ou générer un nouveau thème à la volée. licence : Conditions complètes dans LICENSE.txt
creative