PDF

bởi Anthropic

Bộ công cụ thao tác PDF toàn diện để trích xuất văn bản và bảng biểu, tạo PDF mới, hợp nhất/tách tài liệu và xử lý biểu mẫu. Khi Claude cần điền vào biểu mẫu PDF hoặc xử lý, tạo, phân tích tài liệu PDF theo chương trình với quy mô lớn. giấy phép: Độc quyền. LICENSE.txt có các điều khoản đầy đủ

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

Thêm skills từ Anthropic

Algorithmic Art
Anthropic
Tạo nghệ thuật thuật toán bằng p5.js với tính ngẫu nhiên có hạt giống và khám phá tham số tương tác. Sử dụng khi người dùng yêu cầu tạo nghệ thuật bằng mã, nghệ thuật sinh, nghệ thuật thuật toán, trường dòng chảy hoặc hệ thống hạt. Tạo nghệ thuật thuật toán gốc thay vì sao chép tác phẩm của nghệ sĩ hiện có để tránh vi phạm bản quyền. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
creative
Internal Comms
Anthropic
Một bộ tài nguyên giúp tôi viết tất cả các loại truyền thông nội bộ, sử dụng các định dạng mà công ty tôi ưa thích. Claude nên sử dụng kỹ năng này bất cứ khi nào được yêu cầu viết một số loại truyền thông nội bộ (báo cáo trạng thái, cập nhật lãnh đạo, cập nhật 3P, bản tin công ty, Câu hỏi thường gặp, báo cáo sự cố, cập nhật dự án, v.v.). giấy phép: Điều khoản đầy đủ trong LICENSE.txt
Artifacts Builder
Anthropic
Bộ công cụ để tạo các tạo phẩm HTML claude.ai phức tạp, đa thành phần sử dụng công nghệ web frontend hiện đại (React, Tailwind CSS, shadcn/ui). Sử dụng cho các tạo phẩm phức tạp yêu cầu quản lý trạng thái, định tuyến hoặc các thành phần shadcn/ui - không dùng cho các tạo phẩm HTML/JSX đơn giản một tệp. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
development
Webapp Testing
Anthropic
Bộ công cụ để tương tác và kiểm tra các ứng dụng web cục bộ bằng Playwright. Hỗ trợ xác minh chức năng giao diện người dùng, gỡ lỗi hành vi UI, chụp ảnh màn hình trình duyệt và xem nhật ký trình duyệt. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
development
XLSX
Anthropic
Tạo, chỉnh sửa và phân tích bảng tính toàn diện với hỗ trợ công thức, định dạng, phân tích dữ liệu và trực quan hóa. Khi Claude cần làm việc với bảng tính (.xlsx, .xlsm, .csv, .tsv, v.v.) để: (1) Tạo bảng tính mới với công thức và định dạng, (2) Đọc hoặc phân tích dữ liệu, (3) Sửa đổi bảng tính hiện có trong khi giữ nguyên công thức, (4) Phân tích dữ liệu và trực quan hóa trong bảng tính, hoặc (5) Tính toán lại công thức giấy phép: Độc quyền. LICENSE.txt có các điều khoản đầy đủ
document
Skill Creator
Anthropic
Hướng dẫn tạo kỹ năng hiệu quả. Kỹ năng này nên được sử dụng khi người dùng muốn tạo một kỹ năng mới (hoặc cập nhật kỹ năng hiện có) nhằm mở rộng khả năng của Claude với kiến thức chuyên môn, quy trình làm việc hoặc tích hợp công cụ. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
Slack Gif Creator
Anthropic
Bộ công cụ tạo ảnh động GIF được tối ưu cho Slack, kèm trình xác thực giới hạn kích thước và các thành phần hoạt ảnh có thể kết hợp. Kỹ năng này được áp dụng khi người dùng yêu cầu ảnh động GIF hoặc hoạt ảnh biểu tượng cảm xúc cho Slack qua các mô tả như "tạo cho tôi một GIF cho Slack về X đang làm Y". giấy phép: Điều khoản đầy đủ trong LICENSE.txt
creative
Theme Factory
Anthropic
Bộ công cụ để tạo kiểu cho các tạo phẩm với một chủ đề. Các tạo phẩm này có thể là slide, tài liệu, báo cáo, trang đích HTML, v.v. Có 10 chủ đề cài sẵn với màu sắc/phông chữ mà bạn có thể áp dụng cho bất kỳ tạo phẩm nào đã được tạo, hoặc có thể tạo chủ đề mới ngay lập tức. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
creative