PDF 解析增强 · 文本/表格/大纲/元数据

面向「拿到一份 PDF，想要里面的文字、表格、目录或文件信息」的办公场景：合同、报告、 论文、说明书、发票都能一键解析。基于 pdfplumber（含 pdfminer.six），纯本地离线运行， 不上传任何文件。 能力： - 全文提取 `--text`：保留段落结构，按页分隔，适合喂给下游摘要/翻译。 - 表格提取 `--tables`：自动识别线框表格，逐张导出 CSV（utf-8-sig，Excel 直接打开不乱码）， 并同时生成 **Markdown 表格**（结构还原、可直接贴文档）；自动行清洗（去空白/折叠换行）、 **表头识别**（含"名称/编号/数量"等关键词的行标为表头）、跨行单元格合并标记。 - 大纲提取 `--outline`：提取书签/目录树，带页码，便于快速定位章节。 - 元数据 `--meta`：标题、作者、主题、页数、创建/修改时间、生成工具。 - 指定页 `--pages 1-3,7`：只处理需要的页，省时省力。 - 批量目录 `--dir / --recursive`：整目录 PDF 一次性解析。 - 内置 `--demo`：解码内嵌的虚构示例 PDF（2 页 + 1 表），离线演示全部能力，不联网不耗 key。 依赖：`pip install pdfplumber`（解析必需）。示例 PDF 生成用的 reportlab/fpdf2 为可选， `--demo` 已把示例 PDF 以 base64 内嵌，无需安装任何生成库即可演示。 触发词：PDF 提取、PDF 转文本、PDF 表格、PDF 转 Excel、PDF 大纲、PDF 书签、PDF 元数据、 PDF 解析、提取 PDF 文字、批量解析 PDF、PDF 拆页。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

相关资产