PDF

Комплексный набор инструментов для работы с PDF: извлечение текста и таблиц, создание новых PDF-файлов, объединение/разделение документов и обработка форм. Используется, когда Клоду необходимо заполнить форму PDF или программно обрабатывать, создавать или анализировать PDF-документы в больших объёмах. лицензия: Проприетарная. Полные условия в LICENSE.txt

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

Больше skills от Anthropic

Algorithmic Art
Anthropic
Создание алгоритмического искусства с использованием p5.js с детерминированной случайностью и интерактивным исследованием параметров. Используйте это, когда пользователи запрашивают создание искусства с помощью кода, генеративного искусства, алгоритмического искусства, полей потоков или систем частиц. Создавайте оригинальное алгоритмическое искусство, а не копируйте работы существующих художников, чтобы избежать нарушения авторских прав. лицензия: Полные условия в LICENSE.txt
creativeofficial
Brand Guidelines
Anthropic
Применяет официальные фирменные цвета и типографику Anthropic к любому артефакту, который может выиграть от визуального стиля Anthropic. Используйте, когда применимы фирменные цвета, руководства по стилю, визуальное форматирование или корпоративные стандарты дизайна. лицензия: Полные условия в LICENSE.txt
creativeofficial
Canvas Design
Anthropic
Создавайте красивое визуальное искусство в документах .png и .pdf, используя философию дизайна. Используйте этот навык, когда пользователь просит создать постер, произведение искусства, дизайн или другой статический объект. Создавайте оригинальные визуальные дизайны, никогда не копируя работы существующих художников, чтобы избежать нарушения авторских прав. лицензия: Полные условия в LICENSE.txt
creativeofficial
Docx
Anthropic
Всестороннее создание, редактирование и анализ документов с поддержкой отслеживания изменений, комментариев, сохранения форматирования и извлечения текста. Когда Клоду необходимо работать с профессиональными документами (файлы .docx) для: (1) создания новых документов, (2) изменения или редактирования содержимого, (3) работы с отслеживанием изменений, (4) добавления комментариев или любых других задач с документами" лицензия: Проприетарная. Полные условия в LICENSE.txt
documentofficial
Frontend Design
Anthropic
Генерирует уникальные, готовые к продакшену интерфейсы, избегая типичной эстетики AI.
developmentfeaturedofficial
Internal Comms
Anthropic
Набор ресурсов, помогающих мне писать все виды внутренних коммуникаций, используя форматы, принятые в моей компании. Клод должен использовать этот навык всякий раз, когда его просят написать какие-либо внутренние коммуникации (отчеты о статусе, обновления для руководства, обновления 3P, корпоративные новостные рассылки, часто задаваемые вопросы, отчеты об инцидентах, обновления проектов и т.д.). лицензия: Полные условия в LICENSE.txt
official
MCP Builder
Anthropic
Руководство по созданию высококачественных MCP-серверов (Model Context Protocol), которые позволяют LLM взаимодействовать с внешними сервисами через хорошо спроектированные инструменты. Используйте при создании MCP-серверов для интеграции внешних API или сервисов, будь то на Python (FastMCP) или Node/TypeScript (MCP SDK). лицензия: Полные условия в LICENSE.txt
developmentofficial
Artifacts Builder
Anthropic
Набор инструментов для создания сложных многокомпонентных HTML-артефактов claude.ai с использованием современных фронтенд-веб-технологий (React, Tailwind CSS, shadcn/ui). Используйте для сложных артефактов, требующих управления состоянием, маршрутизации или компонентов shadcn/ui — не для простых однофайловых HTML/JSX-артефактов. лицензия: Полные условия в LICENSE.txt
development