Pdf

• Извлечение данных в масштабе — Вам нужно извлечь текст или табличные данные из множества PDF-файлов и передать их в конвейер, таблицу или базу данных.
• Генерация документов — Вам нужно программно создавать отформатированные многостраничные PDF-отчёты с использованием динамических данных.
• Рабочие процессы управления документами — Вам нужно объединить несколько PDF-файлов в один, разбить большой документ на отдельные страницы или диапазоны, либо повернуть/изменить порядок страниц.
• Автоматизация форм — Вам нужно заполнять PDF-формы программно, а не вручную, как описано в справочнике forms.md навыка Pdf.
• Обработка сканированных документов — Вам нужно применить OCR к PDF-файлам на основе изображений с помощью pytesseract для восстановления машиночитаемого текста.

• Простой разовый просмотр — Если вам нужно только визуально прочитать PDF, стандартная программа для просмотра PDF подойдёт лучше, чем этот навык.
• Сложное редактирование с сохранением макета — Если вам нужно полноценное WYSIWYG-редактирование (разметка правок, аннотации с богатым форматированием), лучше воспользоваться специализированным десктопным редактором PDF.
• Среды, не использующие Python — Если ваш стек работает исключительно на JavaScript/Node.js, библиотеки Python этого навыка не применимы напрямую (хотя в reference.md рассматриваются JS-альтернативы, такие как pdf-lib).

Использует pdfplumber для извлечения простого текста с сохранением макета и структурированных таблиц с любой страницы Pdf. Таблицы можно экспортировать напрямую в pandas DataFrames и сохранять в виде файлов Excel для дальнейшего анализа.

Создавайте новые Pdf-документы с нуля, используя canvas API библиотеки reportlab или высокоуровневый движок документов Platypus. Поддерживает многостраничные отчёты, заголовки, абзацы, отступы и разрывы страниц.

Объедините несколько Pdf-файлов в один, разбейте документ на отдельные страницы или диапазоны страниц, а также поворачивайте страницы на произвольное количество градусов — всё это с помощью pypdf в Python или qpdf/pdftk в командной строке.

Конвертирует сканированные Pdf на основе изображений в картинки с помощью pdf2image и запускает OCR pytesseract на каждой странице, восстанавливая машиночитаемый текст из документов, не содержащих встроенного текстового слоя.

Наложение страницы с водяным знаком на каждую страницу документа с помощью API merge_page из pypdf. Шифрование Pdf с отдельными паролями пользователя и владельца, а также расшифровка защищённых паролем файлов с помощью qpdf.

Поддерживает программное заполнение форм с помощью pypdf или JavaScript-библиотеки pdf-lib (подробнее в файле forms.md навыка). Подходит для автоматизации рабочих процессов отправки, требующих заполнения стандартных форм Pdf.

Агент извлекает данные из API или базы данных, форматирует их с помощью reportlab и создаёт фирменный многостраничный Pdf-отчёт — без какого-либо участия человека в работе с текстовым редактором.

Агент перебирает сотни счетов-фактур в формате Pdf, использует pdfplumber для извлечения таблиц с позициями и записывает структурированные результаты в таблицу или базу данных для бухгалтерской проверки или проверки соответствия требованиям.

Агент получает отсканированные Pdf-файлы (например, бумажные формы или устаревшие записи), преобразует каждую страницу в изображение, выполняет распознавание текста с помощью pytesseract и сохраняет извлечённый текст для поиска или дальнейшей обработки.

Агент считывает определения полей формы из шаблона Pdf, заполняет их данными из CRM или электронной таблицы и выводит готовые, подготовленные к подписанию формы Pdf — следуя рабочему процессу, описанному в forms.md.