Pdf

• Extraction de données à grande échelle — Vous devez extraire du texte ou des données tabulaires de nombreux Pdf et les intégrer dans un pipeline, une feuille de calcul ou une base de données.
• Génération de documents — Vous devez créer par programmation des rapports Pdf formatés et multi-pages à partir de données dynamiques.
• Workflows de gestion documentaire — Vous devez fusionner plusieurs Pdf en un seul, diviser un document volumineux en pages individuelles ou en plages de pages, ou faire pivoter/réorganiser des pages.
• Automatisation de formulaires — Vous devez remplir des formulaires Pdf par programmation plutôt que manuellement, comme décrit dans la référence forms.md de la compétence.
• Traitement de documents numérisés — Vous devez effectuer une reconnaissance OCR sur des Pdf basés sur des images à l'aide de pytesseract pour récupérer un texte lisible par machine.

• Visualisation ponctuelle simple — Si vous avez seulement besoin de lire un PDF visuellement, un lecteur Pdf standard est plus approprié que cette compétence.
• Édition complexe avec préservation de la mise en page — Si vous avez besoin d'une édition WYSIWYG riche (suivi des modifications, annotations avec mise en forme élaborée), un éditeur Pdf de bureau dédié sera plus adapté.
• Environnements non Python — Si votre stack est exclusivement JavaScript/Node.js, les bibliothèques Python de la compétence ne s'appliqueront pas directement (bien que le fichier reference.md couvre des alternatives JS telles que pdf-lib).

Utilise pdfplumber pour extraire du texte brut avec préservation de la mise en page et des tableaux structurés depuis n'importe quelle page. Les tableaux peuvent être exportés directement vers des pandas DataFrames et sauvegardés en fichiers Excel pour une analyse ultérieure.

Générez de nouveaux documents Pdf from scratch en utilisant l'API canvas de reportlab ou le moteur de document Platypus de niveau supérieur. Prend en charge les rapports multipages, les titres, les paragraphes, l'espacement et les sauts de page.

Combinez plusieurs Pdf en un seul, divisez un document en pages individuelles ou en plages de pages, et faites pivoter des pages selon des degrés arbitraires — le tout via pypdf en Python ou qpdf/pdftk en ligne de commande.

Convertit les Pdf numérisés et basés sur des images en images avec pdf2image et exécute l'OCR pytesseract sur chaque page, permettant de récupérer du texte lisible par machine à partir de documents ne contenant aucune couche de texte intégrée.

Superposez une page de filigrane sur chaque page d'un document à l'aide de l'API merge_page de pypdf. Chiffrez des Pdf avec des mots de passe utilisateur et propriétaire distincts, ou déchiffrez des fichiers protégés par mot de passe avec qpdf.

Prend en charge le remplissage programmatique de formulaires via pypdf ou la bibliothèque JavaScript pdf-lib (détaillé dans le fichier forms.md de la compétence). Convient à l'automatisation des flux de soumission nécessitant le remplissage de formulaires Pdf standard.

Un agent extrait des données depuis une API ou une base de données, les met en forme à l'aide de reportlab, et produit un rapport Pdf multi-pages aux couleurs de la marque — sans qu'aucun humain n'ait à ouvrir un traitement de texte.

Un agent itère sur des centaines de factures Pdf, utilise pdfplumber pour extraire les tableaux de lignes d'articles, et écrit les résultats structurés dans une feuille de calcul ou une base de données à des fins de comptabilité ou de contrôle de conformité.

Un agent reçoit des Pdf scannés (par exemple, des formulaires papier ou des archives anciennes), convertit chaque page en image, exécute l'OCR avec pytesseract, et stocke le texte extrait pour la recherche ou un traitement ultérieur.

Un agent lit les définitions des champs de formulaire à partir d'un modèle Pdf, les remplit avec des données provenant d'un CRM ou d'une feuille de calcul, et génère des formulaires Pdf complétés, prêts à être signés — en suivant le flux de travail décrit dans forms.md.