zjie64821-ui/zhangjies-skills-and-mcp

Guia de Processamento de PDF

Bibliotecas Python

• pypdf: mesclagem (PdfWriter.add_page()), divisão, rotação, metadados, criptografia (writer.encrypt()), marca d'água (page.merge_page())
• pdfplumber: extração de texto (page.extract_text()), extração de tabelas (page.extract_tables() → pandas)
• reportlab: criar PDFs (Canvas para simples, Platypus/SimpleDocTemplate para múltiplas páginas)
• pytesseract + pdf2image: OCR em PDFs escaneados (convert_from_path() → image_to_string())

Ferramentas CLI

• pdftotext (poppler): extração de texto, -layout preserva o layout
• qpdf: mesclagem (qpdf --empty --pages), divisão, rotação, descriptografia
• pdftk: mesclagem, divisão (burst), rotação

Referência Rápida

Tarefa	Melhor Ferramenta	API Principal
Extrair texto	pdfplumber	page.extract_text()
Extrair tabelas	pdfplumber	page.extract_tables() → DataFrame
Mesclar	pypdf	PdfWriter().add_page()
Dividir	pypdf	iterar reader.pages
Criar	reportlab	SimpleDocTemplate / Canvas
OCR	pytesseract	convert_from_path() → image_to_string()
Marca d'água	pypdf	page.merge_page()
Senha	pypdf	writer.encrypt()

Solicitação do Usuário

$ARGUMENTS