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
creativeofficial
Brand Guidelines
Anthropic
Áp dụng màu sắc thương hiệu chính thức và kiểu chữ của Anthropic vào bất kỳ loại tạo phẩm nào có thể hưởng lợi từ việc có giao diện và cảm nhận của Anthropic. Sử dụng khi áp dụng màu sắc thương hiệu hoặc hướng dẫn phong cách, định dạng trực quan hoặc tiêu chuẩn thiết kế công ty. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
creativeofficial
Canvas Design
Anthropic
Tạo tác phẩm nghệ thuật thị giác đẹp mắt dưới dạng tài liệu .png và .pdf bằng triết lý thiết kế. Bạn nên sử dụng kỹ năng này khi người dùng yêu cầu tạo poster, tác phẩm nghệ thuật, thiết kế hoặc các tác phẩm tĩnh khác. Tạo các thiết kế thị giác nguyên bản, không bao giờ sao chép tác phẩm của nghệ sĩ hiện có để tránh vi phạm bản quyền. giấy phép: Điều khoản đầy đủ trong LICENSE.txt
creativeofficial
Docx
Anthropic
Tạo, chỉnh sửa và phân tích tài liệu toàn diện với hỗ trợ theo dõi thay đổi, nhận xét, bảo toàn định dạng và trích xuất văn bản. Khi Claude cần làm việc với tài liệu chuyên nghiệp (tệp .docx) để: (1) Tạo tài liệu mới, (2) Sửa đổi hoặc chỉnh sửa nội dung, (3) Làm việc với các thay đổi đã theo dõi, (4) Thêm nhận xét, hoặc bất kỳ tác vụ tài liệu nào khác giấy phép: Độc quyền. Tệp LICENSE.txt có đầy đủ điều khoản
documentofficial
Frontend Design
Anthropic
Tạo ra các giao diện frontend độc đáo, đạt chuẩn sản xuất, tránh phong cách AI chung chung.
developmentfeaturedofficial
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
official
MCP Builder
Anthropic
Hướng dẫn tạo máy chủ MCP (Model Context Protocol) chất lượng cao, cho phép LLM tương tác với các dịch vụ bên ngoài thông qua các công cụ được thiết kế tốt. Sử dụng khi xây dựng máy chủ MCP để tích hợp API hoặc dịch vụ bên ngoài, dù bằng Python (FastMCP) hay Node/TypeScript (MCP SDK). giấy phép: Điều khoản đầy đủ trong LICENSE.txt
developmentofficial
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