pdf

name	pdf
description	PDF 文件处理。用于读取、提取文本/表格/图片、合并、拆分、旋转、水印、加密/解密、表单填写、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
argument-hint	[read|write] [operation] [path]
user-invocable	true

PDF - PDF 文件处理

依赖：pdf-lib (PDF 操作) + pdf-parse v2.4+ (文本/表格/图片提取、页面渲染)

工具

本技能提供两个工具，通过 operation 参数区分具体操作：

工具	最终名称	说明
read	pdf__read	PDF 读取操作（不修改原文件）
write	pdf__write	PDF 写入操作（创建或修改文件）

---

read - PDF 读取工具

通过 operation 参数区分具体读取操作：

operation	功能	关键参数
metadata	读取元数据	parse_page_info
text	提取文本	from_page, to_page
tables	提取表格	from_page, to_page
images	提取图片	from_page, to_page, image_threshold
render	渲染页面为图片	output_dir, scale, from_page, to_page
markdown	转 Markdown	output, from_page, to_page
fields	检查表单字段	-
field_info	获取字段信息	output

参数说明

通用参数：

• path (string, required): PDF 文件路径
• operation (string, required): 操作类型
• from_page (number, optional): 起始页（从1开始）
• to_page (number, optional): 结束页（包含）
• suppress_warnings (boolean, optional): 抑制警告输出（默认: true）

metadata 操作参数：

• parse_page_info (boolean, optional): 解析每页详细信息（默认: false）

images 操作参数：

• image_threshold (number, optional): 图片最小尺寸阈值，像素（默认: 80）

render 操作参数：

• output_dir (string, optional): 输出目录（不指定则只返回 dataUrl）
• scale (number, optional): 缩放比例（默认: 1.5，相当于 150 DPI）
• desired_width (number, optional): 期望宽度（像素），设置后将忽略 scale
• prefix (string, optional): 输出文件名前缀（默认: "page"）

markdown 操作参数：

• output (string, optional): 输出 markdown 文件路径

调用示例

// 读取元数据
pdf__read({ path: "doc.pdf", operation: "metadata" })

// 提取第1-5页文本
pdf__read({ path: "doc.pdf", operation: "text", from_page: 1, to_page: 5 })

// 提取表格
pdf__read({ path: "doc.pdf", operation: "tables" })

// 提取图片
pdf__read({ path: "doc.pdf", operation: "images", image_threshold: 100 })

// 渲染页面为图片
pdf__read({ path: "doc.pdf", operation: "render", output_dir: "./images", scale: 1.5 })

// 转 Markdown
pdf__read({ path: "doc.pdf", operation: "markdown", output: "doc.md" })

// 检查表单字段
pdf__read({ path: "form.pdf", operation: "fields" })

// 获取字段信息
pdf__read({ path: "form.pdf", operation: "field_info", output: "fields.json" })

---

write - PDF 写入工具

通过 operation 参数区分具体写入操作：

operation	功能	关键参数
create	创建 PDF	content[], title, page_size
merge	合并 PDF	paths[]
split	拆分 PDF	output_dir, pages_per_file
rotate	旋转页面	pages[], degrees
encrypt	加密 PDF	user_password, owner_password
decrypt	解密 PDF	password
watermark	添加水印	watermark, is_text
fill	填写表单	field_values

参数说明

通用参数：

• path (string, required for most operations): PDF 文件路径
• output (string, required): 输出文件路径
• operation (string, required): 操作类型

create 操作参数：

• content (string[], required): 文本内容数组（每项为一页）
• title (string, optional): PDF 标题
• page_size (string, optional): 页面大小 - "letter" 或 "a4"（默认: "a4"）

merge 操作参数：

• paths (string[], required): 要合并的 PDF 文件路径数组（至少2个）

split 操作参数：

• output_dir (string, required): 输出目录
• pages_per_file (number, optional): 每个文件的页数（默认: 1）
• prefix (string, optional): 输出文件名前缀（默认: "page"）

rotate 操作参数：

• pages (number[], optional): 要旋转的页码（从1开始，为空则旋转所有）
• degrees (number, optional): 旋转角度 - 90, 180, 270（默认: 90）

encrypt 操作参数：

• user_password (string, required): 打开 PDF 的密码
• owner_password (string, optional): 编辑密码（默认使用 user_password）

decrypt 操作参数：

• password (string, required): 当前密码

watermark 操作参数：

• watermark (string, required): 水印文本或水印 PDF 路径
• is_text (boolean, optional): true 为文本水印，false 为 PDF 路径（默认: true）

fill 操作参数：

• field_values (object, required): 字段名和值的键值对

调用示例

// 创建 PDF
pdf__write({ 
  output: "new.pdf", 
  operation: "create", 
  content: ["第一页内容", "第二页内容"],
  title: "我的文档"
})

// 合并 PDF
pdf__write({ 
  output: "merged.pdf", 
  operation: "merge", 
  paths: ["a.pdf", "b.pdf", "c.pdf"]
})

// 拆分 PDF（每文件1页）
pdf__write({ 
  path: "doc.pdf", 
  output: "merged.pdf",
  operation: "split", 
  output_dir: "./split", 
  pages_per_file: 1
})

// 旋转所有页面90度
pdf__write({ 
  path: "doc.pdf", 
  output: "rotated.pdf", 
  operation: "rotate", 
  degrees: 90 
})

// 旋转指定页面
pdf__write({ 
  path: "doc.pdf", 
  output: "rotated.pdf", 
  operation: "rotate", 
  pages: [1, 3, 5], 
  degrees: 180 
})

// 加密 PDF
pdf__write({ 
  path: "doc.pdf", 
  output: "encrypted.pdf", 
  operation: "encrypt", 
  user_password: "secret123"
})

// 解密 PDF
pdf__write({ 
  path: "encrypted.pdf", 
  output: "decrypted.pdf", 
  operation: "decrypt", 
  password: "secret123"
})

// 添加文本水印
pdf__write({ 
  path: "doc.pdf", 
  output: "watermarked.pdf", 
  operation: "watermark", 
  watermark: "机密文件"
})

// 填写表单
pdf__write({ 
  path: "form.pdf", 
  output: "filled.pdf", 
  operation: "fill", 
  field_values: { 
    name: "张三", 
    date: "2026-03-28", 
    approved: true 
  }
})

---

常见任务

扫描版 PDF 处理

对于扫描版 PDF 或基于图片的 PDF，文本提取可能失败。使用 render 操作转换为图片，然后发送给 VL（视觉语言）模型进行文字识别。

工作流程：

1. 使用 read 工具的 render 操作将 PDF 页面转换为 PNG 图片
2. 将生成的图片发送给 VL 模型（如 GPT-4V、Claude Vision、Qwen-VL）
3. VL 模型将识别并提取图片中的文字

示例：

pdf__read({ path: "scanned.pdf", operation: "render", output_dir: "./images", scale: 1.5 })

---

快速参考

任务	工具	operation
读取元数据	read	metadata
提取文本	read	text
提取表格	read	tables
提取图片	read	images
渲染页面	read	render
转 Markdown	read	markdown
检查表单字段	read	fields
获取字段信息	read	field_info
创建 PDF	write	create
合并 PDF	write	merge
拆分 PDF	write	split
旋转页面	write	rotate
加密 PDF	write	encrypt
解密 PDF	write	decrypt
添加水印	write	watermark
填写表单	write	fill

---

更新日志

• 2026-03-28: 重构为两个工具（read + write），通过 operation 参数区分具体操作
• 2026-03-26: 升级 pdf-parse 到 v2.4.5，新增表格提取、图片提取、页面渲染功能