pdf

name	pdf
description	只要 PDF 文件是任务的输入或输出，或者需要被打开、读取、创建、修改，就使用本 Skill。 包括提取文字和表格、查看页面、合并拆分、旋转裁剪、加水印、填写表单、OCR，以及制作或 交付 PDF。不用于既不读取也不产出 PDF 的普通写作或一般数据分析。
metadata	{"title":"PDF 文档","version":"2.0.0","category_key":"content-docs","category_name":"内容与文档","recommendation":"适合读取、创建和处理固定版式 PDF，包括页面操作与表单。","tags":["pdf","document-reading","document-creation","document-editing","page-analysis"]}

PDF 文档

任务	路径
阅读、问答、视觉审阅	优先用运行时 Read 读取相关页面
提取表格或复杂布局	用 pdfplumber，并对照原页面
合并、拆分、旋转、裁剪、元数据、水印	用 pypdf
新建 PDF	用 ReportLab；长文档优先使用 Platypus 流式排版
填写 AcroForm	用 pypdf，同时校验字段树与页面 Widget
扫描件	先看页面图像；只有用户需要可搜索文本时才做 OCR

工作契约

• 只读问题不改写或重新导出 PDF。
• 写操作保留原文件并输出新文件；已签名 PDF 默认只读，写入前说明签名会失效。
• 先直接使用当前环境。依赖导入失败且任务需要时，取得用户同意后在隔离环境安装 ${CLAUDE_SKILL_DIR}/requirements.txt，不要静默修改系统 Python。

读取

• 长文件只读取与问题相关的页面，但答案必须保留页码依据。
• 文本抽取不能证明版式、图表、签名或扫描内容；这些信息必须查看页面。
• 表格抽取后核对表头、跨页行、脚注和合并单元格，不能只相信二维数组。
• 加密、损坏或无法可靠 OCR 的文件要明确说明，不猜内容。

创建与编辑

• 新建前确定纸张、用途和阅读场景；中文和其他非拉丁文字注册真实可用字体，避免缺字方块。
• 可见内容使用明确的页边距、层级和分页；表格重复表头并避免行被裁断。
• PDF 适合页面级编辑，不适合可靠重排既有正文。正文大改时请求源 DOCX/PPTX 或重建新 PDF。
• 表单默认保持可交互。更新后核对 get_fields() 中的值、每页 /Widget 的有效值和 /AP 外观； 只有用户明确要求静态成品时才扁平化，并确认 Widget 与 AcroForm 字段树均已移除。

完成条件

1. 用 pypdf 重新打开最终文件，确认页数、加密状态、页面顺序和表单结构符合任务。
2. 用 Poppler 渲染全部页面并逐页检查：

pdftoppm -png -r 144 "<output.pdf>" "<empty-qa-dir>/page"

3. 修复截字、重叠、乱码、黑方块、模糊图片、错误页码、断裂表格和意外空白页后重新渲染。
4. 缺少 pdftoppm 时可以继续纯文本读取；写任务要说明未完成视觉检查。
5. 最终只交付 PDF，不附带页面 PNG、构建脚本或临时叠加文件。