使用 Claude Code 合并、拆分 PDF 及提取表格 ― pdf 技能
機械翻訳 / Machine-translated
原文:使用 Claude Code 合并、拆分 PDF 及提取表格 ― pdf 技能(cccskills)
技能页面:pdf
本文结论
安装 pdf 技能后,PDF 的合并、页面截取、表格转 Excel 等操作,只需用中文向 Claude Code 发出请求即可完成。
文字与图片提取、旋转、新建 PDF、填写表单、扫描文档的文字识别、密码保护等功能均在支持范围内。
本文将介绍请求示例、安装步骤以及使用前需确认的事项。
安装 pdf 技能后,可以用中文请求来处理 PDF 文件。
例如,发送如下内容:
把销售报告.pdf 中所有的表格提取出来,整合到一个 Excel 文件里
Agent 会使用名为 pdfplumber 的 Python 库,依次读取各页面的表格。
它将表格第一行作为列名,把所有页面的表格纵向拼接合并。
结果会保存为 extracted_tables.xlsx 之类名称的 Excel 文件。
该技能的设计逻辑是:当话题涉及 .pdf 文件或被要求创建 PDF 时自动启用。
无需每次指定技能名称,只要谈到 PDF,相关流程就会被调用。
逐一复制粘贴表格的工作,将被替换为核对生成好的 Excel 的工作。
pdf 技能将 PDF 的读取、处理与创建流程整合为一体。
针对不同任务,整理了使用 Python 库和命令行工具处理 PDF 的方法。
按用户操作类型划分,共有以下四类。
可将 PDF 正文提取为文本。
支持保留原始排版的提取方式,以及指定范围(如第 1~5 页)的提取方式。
表格可按页读取,并汇总到 Excel 文件中。
PDF 中嵌入的图片可导出为连续编号的 JPEG 文件。
标题、作者等元数据(文档属性信息)的读取也在支持范围内。
可将多个 PDF 按指定顺序合并为一个文件。
也支持将每页拆分为独立文件,或截取"第 6~10 页"这样的指定范围。
支持将页面旋转 90 度以修正方向。
还可将水印用 PDF 叠加到所有页面上。
可创建包含文本内容的全新 PDF。
支持将标题与正文排列,并生成带有分页的多页报告格式。
PDF 表单填写需按附带的 FORMS.md 中的步骤进行。
包含提取表单字段信息的脚本和向字段写入值的脚本。
扫描版 PDF 的处理流程为:先将各页转换为图片,再进行 OCR(识别图片中文字的处理)。
识别出的文字按页码顺序依次返回。
支持为 PDF 设置密码,以及对已知密码的 PDF 解除保护。
pdf 技能可通过一行命令或向 Agent 发送请求来安装。
使用命令安装时,执行如下内容:
npx skills add https://github.com/anthropics/skills --skill pdf
此命令支持选择安装目标 Agent,如 Claude Code 或 Codex 等。
若委托 Agent 安装,请直接发送以下内容:
次の Agent Skill をインストールしてください。
https://github.com/anthropics/skills/tree/main/skills/pdf
まず SKILL.md と付属ファイルの中身を確認し、不審な処理(外部への送信、認証情報の読み取りなど)がないことを確かめてから、Claude Code なら ~/.claude/skills/pdf/、Codex なら ~/.agents/skills/pdf/ に配置してください。
安装位置如下表所示。
如需在所有项目中使用,放置于用户级别;仅用于特定项目,则放置于项目级别。
| Agent | 用户级别 | 项目级别 |
|---|---|---|
| Claude Code | ~/.claude/skills/ | .claude/skills/ |
| Codex | ~/.agents/skills/ | .agents/skills/ |
发布来源为 GitHub 上的 anthropics/skills。
安装前,请在该页面查阅 SKILL.md 及附带文件的内容。
请求内容中直接写明目标文件名和期望结果即可。
以下介绍三个常用请求示例。
把 4 月、5 月、6 月的报告 PDF 按此顺序合并为一个文件。
第一页是横向的,请同时修正方向
三个文件将按指定顺序排列,保存为一个 PDF。
第一页会旋转 90 度,与其他页面方向保持一致。
输出目标为 merged.pdf 之类的新文件。
把合同.pdf 的第 6~10 页截取出来,另存为一个 PDF
仅将指定范围的页面输出为新 PDF。
如需将所有页面逐一拆分为独立文件,同样可以这样请求。
读取扫描版会议记录.pdf 中的文字,以文本形式显示出来
由于流程是先将各页转换为图片再进行 OCR,返回结果会按"Page 1""Page 2"等页面分隔显示文字。
请将识别结果与原始图片对照核查。
使用 pdf 技能前,请确认所需工具及原始文件的处理方式。
所使用的库和工具会因操作内容而有所不同。
主要组合如下表所示。
| 操作 | 所使用的工具 |
|---|---|
| 合并、拆分、旋转、密码 | pypdf、qpdf |
| 文字、表格提取 | pdfplumber、pdftotext(poppler-utils) |
| 表格转 Excel | pdfplumber、pandas |
| 新建 PDF | reportlab |
| 扫描 PDF 的 OCR | pytesseract、pdf2image |
| 图片提取 | pdfimages(poppler-utils) |
pdftk 仅在已安装的环境中使用。
若有缺少的工具,建议先让 Agent 说明需要安装哪些内容,再进行安装。
这样有助于掌握本地环境的情况。
SKILL.md 中的处理示例会将结果输出到另一个新文件中。
即便如此,重要资料在请求处理前最好先备份一份。
在请求内容中指定输出文件名,可避免混淆哪个是处理后的文件。
OCR 处理示例中未指定识别语言。
对中文扫描文档进行识别时,请务必核查结果。
使用 reportlab 创建 PDF 时,下标、上标等 Unicode 字符会显示为黑色方块,需使用专用标签书写。
许可证采用独立条款,全文见 LICENSE.txt。
安装前请阅读 SKILL.md 及附带脚本,确认不存在向外部发送数据等可疑处理。
如果在处理 PDF 前后还需处理 Word 文档,同一仓库中的 docx 技能会很有帮助。
这是一个支持 Word 文档及模板的创建、编辑与内容提取的技能。
也支持表格和图片的排版,以及修订记录和批注的处理。
不指定也会被调用。
pdf 技能的设计逻辑是:当话题涉及 .pdf 文件或被要求创建 PDF 时自动启用。
可以使用。
在安装命令中选择 Codex 作为目标,或将文件放置于 ~/.agents/skills/pdf/ 即可。
可以。
表单填写按附带的 FORMS.md 中的步骤进行。
包含提取表单字段信息的脚本和写入值的脚本。
安装 pdf 技能后,可通过请求完成 PDF 的合并、拆分、旋转、表格转 Excel 以及扫描文档的文字识别。
新建 PDF、填写表单、密码保护也可使用同一技能处理。
使用前,请确认所需库及附带文件的内容。
安装方法与介绍说明已汇总于 cccskills 页面。
本文转载自 cccskills 的文章「使用 Claude Code 合并、拆分 PDF 及提取表格 ― pdf 技能」。
技能详情与安装方法请参阅 cccskills 的 pdf 页面。