Claude Skills 硬核技巧：用 PDF-Skill 10 分钟搞定全类型 PDF 自动化，办公人必备

前言

在日常开发工作中,PDF文档处理一直是个让人头疼的问题。传统的PDF处理方式要么功能单一只能做简单的文本提取,要么需要购买昂贵的商业软件,开发者想实现批量表单填充、文档自动化处理这些需求往往要花费大量时间去调研各种库、写大量重复代码,效率低下不说,遇到复杂场景还经常卡壳。特别是对于那些需要处理大量PDF表单的企业应用来说,人工填写既费时又容易出错,急需一套完整的自动化解决方案。

ModelScope ms-agent 项目中的 PDF-Skill 就是为解决这些痛点而生的开源工具包,它整合了 pypdf、pdfplumber、reportlab 等多个成熟的 Python 库,再加上 poppler-utils、qpdf 等命令行工具,提供了从文本提取、表格识别、PDF创建、表单填充到图像处理、安全加密的全套解决方案。这套工具包最大的亮点在于"双路径表单处理" ------ 既支持可填充表单的自动化填写,也能通过精确坐标定位处理那些不可填充的扫描版表单,配合可视化验证机制(蓝色标签框 + 红色输入框),确保每个字段都准确无误。

核心技术点

另外提供了全套解决方案：在文本提取 、表格识别 、PDF创建 、表单填充 、图像处理 、安全加密 等提供全面办公自动化功能

前几天看到魔搭社区日报中看到这篇关于PDF 的skill。详细文章 modelscope.cn/learn/2558，...

今天我们就手把手教大家如何使用这个强大的工具包,从环境配置到实战应用,体验一下这套"AI Agent专属PDF处理神器"的完整能力。话不多说,咱们直接开干!

项目介绍

✨ 核心特性

PDF-Skill 是一个功能全面的 PDF 处理工具包,主要特性包括:

📝 智能文本提取: 从PDF中提取纯文本内容,支持保留原始布局,将表格转换为 pandas DataFrame 格式,轻松导出到 Excel
🎨 专业PDF创建: 使用 ReportLab 库创建新PDF,支持 Canvas(低级绘图)和 Platypus(结构化文档)两种方式
🔧 全能文档操作: 合并、拆分、旋转、元数据提取、页面重排列、文档优化和修复一应俱全
📋 双路径表单处理: 可填充表单自动填写 + 不可填充表单坐标定位,配合视觉验证机制确保准确性
🖼️ 图像处理套件: 提取嵌入图像、PDF转高清图片、添加水印,支持可配置分辨率和快速渲染
🔒 安全加密功能: PDF密码保护、权限控制、加密/解密操作,保障文档安全
🔍 OCR文字识别: 针对扫描版PDF进行OCR识别,使用 pytesseract 和 pdf2image 将图像型PDF转为可搜索文本
⚡ 性能优化策略: 支持大文件流式处理、内存高效分块处理、批处理和错误恢复机制

🛠️ 技术栈

Python 核心库

库名	主要功能	特点
pypdf	基础PDF操作	合并、拆分、旋转、元数据提取
pdfplumber	文本和表格提取	保留布局、结构化表格数据、坐标信息
reportlab	PDF创建	专业报表生成、样式化文档
pypdfium2	PDF渲染	Chromium的PDFium绑定、快速图像生成
pytesseract	OCR识别	扫描版PDF文字识别
pdf2image	图像转换	PDF转图像

命令行工具

工具	功能
pdftotext	文本提取,支持布局保留和页面范围选择
pdfimages	最快的图像提取工具
qpdf	页面操作、优化、修复、密码移除
pdftk	合并、拆分、旋转等操作

JavaScript 库

项目还提供 JavaScript 支持,方便前端集成:

pdf-lib: 在任何JavaScript环境中创建和修改PDF
pdfjs-dist: Mozilla的浏览器端PDF渲染方案

🎯 应用场景

PDF-Skill 适用于以下典型场景:

自动化表单填写: 批量处理PDF表单、企业文档自动化、数据迁移和录入
文档数据提取: 从PDF报表中提取结构化数据、表格转Excel、文本内容分析
PDF文档管理: 文档合并与拆分、批量处理和组织、文档归档和整理
报表生成: 动态生成PDF报告、企业报表自动化、发票和单据生成
安全文档处理: 添加密码保护、敏感文档加密、权限管理
OCR和数字化: 扫描文档识别、历史文档数字化、可搜索PDF创建

🌟 核心亮点

Claude Code 深度集成

专门为 Claude Code 设计的工作流,支持 AI 辅助的 PDF 处理任务,智能化表单识别和填充。开发者可以在 AI Agent 中直接调用这些能力,实现真正的文档处理自动化。

像素级坐标定位

支持像素级的精确定位,可视化验证机制让你看得见摸得着 ------ 蓝色矩形标记标签区域,红色矩形标记输入区域,防止字段重叠的智能检查,确保每个表单字段都填得准确无误。

模块化设计

每个功能都有独立的脚本和工具,清晰的文件组织结构让你随用随取。无论是简单的文本提取还是复杂的表单填充,都能快速找到对应工具,极易维护和扩展。

部署实战

3.1 环境准备

我们首先需要准备 Python 环境。PDF-Skill 官方推荐使用 Python 3.11+ 版本,这样能获得最佳的兼容性和性能。

对于 Linux/Mac 用户,可以使用系统自带的包管理器:

shell 复制代码

# Ubuntu/Debian
sudo apt update
sudo apt install python3.11 python3.11-venv python3-pip

# macOS (使用 Homebrew)
brew install python@3.11

对于 Windows 用户,建议从 Python 官网下载安装包:

shell 复制代码

# 检查 Python 版本
python --version

# 应该看到 Python 3.11 或更高版本

3.2 项目下载

接下来我们从 GitHub 下载 PDF-Skill 项目。打开终端,执行以下命令:

shell 复制代码

# 克隆项目到本地
git clone https://github.com/modelscope/ms-agent.git

# 进入 PDF-Skill 目录
cd ms-agent/projects/agent_skills/skills/pdf

# 查看项目结构
ls -la

等待几分钟后下载完成,你会看到以下目录结构:

bash 复制代码

pdf/
├── scripts/           # 8个实用Python脚本
├── SKILL.md          # 主要技能文档
├── forms.md          # 表单填写工作流程
├── reference.md      # 高级功能参考
└── LICENSE.txt       # 许可证信息

3.3 依赖安装

PDF-Skill 依赖多个 Python 库和系统工具。我们先安装 Python 依赖:

shell 复制代码

# 创建虚拟环境(推荐)
python3 -m venv venv

# 激活虚拟环境
# Linux/Mac:
source venv/bin/activate
# Windows:
venv\Scripts\activate

# 安装 Python 依赖
pip install pypdf pdfplumber reportlab pypdfium2 pytesseract pdf2image

接下来安装命令行工具。这些工具能大幅提升某些操作的性能:

Ubuntu/Debian:

shell 复制代码

sudo apt install poppler-utils qpdf pdftk tesseract-ocr

macOS:

shell 复制代码

brew install poppler qpdf pdftk tesseract

Windows: 下载预编译版本:

安装完成后验证一下:

shell 复制代码

# 验证工具安装
pdftotext -v
qpdf --version
tesseract --version

呵呵,看到版本号就说明安装成功了!

3.4 脚本工具介绍

PDF-Skill 在 scripts/ 目录下提供了8个实用脚本,让我们逐一了解:

表单处理脚本

shell 复制代码

# 1. 检查 PDF 是否包含可填充字段
python scripts/check_fillable_fields.py your_form.pdf

# 2. 提取表单字段信息(生成 JSON 映射)
python scripts/extract_form_field_info.py your_form.pdf

# 3. 填充可填充表单
python scripts/fill_fillable_fields.py your_form.pdf field_values.json output.pdf

# 4. 使用注释填充不可填充表单
python scripts/fill_pdf_form_with_annotations.py your_form.pdf fields.json output.pdf

验证和转换脚本

shell 复制代码

# 5. 验证边界框坐标
python scripts/check_bounding_boxes.py fields.json

# 6. 边界框验证单元测试
python scripts/check_bounding_boxes_test.py

# 7. PDF 转图像
python scripts/convert_pdf_to_images.py document.pdf output_dir/

# 8. 创建可视化验证图像
python scripts/create_validation_image.py your_form.pdf fields.json validation.png

claude skill 安装

接下来我们把这个pdf skill 安装到claude code里面

复制github.com/modelscope/... 到claude skills里面

复制后

bash 复制代码

/root/.claude/skills/pdf

当然你也可以偷懒让AI 帮你干。

bash 复制代码

请帮我把/mnt/f/work/code/other/pdf/ms-agent/projects/agent_skills/skills/pdf  这个skills安装到系统的claude  skills 中。

实战案例1: PDF转成图片

我这里有一张PDF的发票信息。我希望这个skill帮我转成图片。这个在平时我们工作中也有经常遇到。

提示词如下

复制代码

请使用pdf 这个skill帮我把当前文件下"增值税电子普通发票4.pdf" 转成图片并输出。

我们打开转换后的文件夹查看转换后的图片

OK 一行命令就帮我把这个pdf 转成图片了。如果我有一个文件夹里面有几百个PDF。我是不是参考上面的提示词稍微修改一下，这活是不是AI 也是分分钟帮我把它干完了。嘿嘿，感兴趣小伙伴可以自己来尝试。时间关系这里不做演示。

实战案例2: 处理扫描版表单

有些老旧的表单是扫描版,没有可填充字段,怎么办?PDF-Skill 的"坐标定位法"来帮忙!

我这里有一个2025年101中学八年级期中考试成绩表PDF版本，我们打开看一下。

我这里有个学生的成绩单一个基于markdown格式的文档数据（以上数据都是假的不是真实的，请勿当真）

我这里的需求就是基于这个成绩数据填充到上面的额PDF文档中。接下来我们使用PDF-Skill来实现

提示词

复制代码

请使用pdf 这个skill帮我把当前文件下"2025年101中学八年级期中考试成绩表-扫描版.pdf" 内容填充，填充的数据请基于"2025年101中学八年级期中考试成绩表.md" 文档里面的数据。填充后输出"2025年101中学八年级期中考试成绩表-扫描版-填充版.pdf"

分分钟AI 也帮我干完了。我们看一下生产后的效果

虽然不完美，但是确实也帮我填充了。如果表格内容不多，表格空间足够大，我相信也是可以完成的。（AI还有进步空间。）

实战案例3: 提取表格数据到 Excel

很多时候我们需要从 PDF 报表中提取数据做分析。传统方法是手工复制粘贴,PDF-Skill 可以一键搞定。

我们接下来还是拿刚才的PDF发票，让它帮我把这发票提取到Excel中

提示词

复制代码

请使用pdf 这个skill帮我把当前文件下"增值税电子普通发票4.pdf" PDF里面发票内容提取生成excel表格。
请注意PDF里面发票明细可能有多行，把全票面信息全部提取生成excel表格并输出。

打开 Excel 文件,所有表格数据整整齐齐,再也不用手工复制粘贴了!

发票概览

完整信息

发票明细

实战案例4: 生成专业 PDF 报表

除了处理现有 PDF,PDF-Skill 还能创建专业的 PDF 报表。下面演示如何用 ReportLab 生成一份带表格的报告:

提示词如下：

复制代码

请使用pdf 这个skill帮我把当前文件下"pdf-skill技能总结.md" 把这个md文档的内容总结生成一个需要给领导汇报的PDF报告，并输出这个报告。

总共帮我生成了5页

我们打开这个PDF 查看一下效果（报告有5页，这里只展开2张截图）

打开生成的 PDF,专业的表格样式、清晰的数据展示,完全可以直接拿去开会汇报

常见问题与解决方案

问题1: numpy 版本冲突

arduino 复制代码

错误: module 'numpy' has no attribute 'float'

解决方案:

shell 复制代码

pip install numpy==1.26.4

问题2: Tesseract 找不到

makefile 复制代码

错误: TesseractNotFoundError

解决方案:

python 复制代码

# 在代码中指定 tesseract 路径
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

问题3: PDF 加密无法处理

makefile 复制代码

错误: PdfReadError: file has not been decrypted

解决方案:

python 复制代码

import pypdf

reader = pypdf.PdfReader('encrypted.pdf')
reader.decrypt('your-password')

问题4: 表格识别不准确

解决方案: 调整 pdfplumber 参数

python 复制代码

import pdfplumber

with pdfplumber.open('document.pdf') as pdf:
    page = pdf.pages[0]

    # 自定义表格检测参数
    table = page.extract_table({
        'vertical_strategy': 'lines',
        'horizontal_strategy': 'lines',
        'snap_tolerance': 3,
        'join_tolerance': 3,
        'edge_min_length': 3,
    })

总结

通过本文的实战演示,我们完整体验了 ModelScope PDF-Skill 这个强大的 PDF 处理工具包。从环境搭建到实际应用,我们用四个典型场景展示了它的核心能力:

实战案例回顾:

PDF转图片 - 一行提示词就把发票PDF转成高清图片,如果有几百个PDF文件需要批量转换,只需稍微修改提示词,AI分分钟帮你搞定,省去了手工一个个转换的麻烦。
扫描版表单填充 - 基于Markdown格式的学生成绩数据,自动填充到扫描版成绩表PDF中,虽然因表格空间限制填充了48条数据(总共50条),但整体效果已经相当不错,这在传统方案中几乎不可能实现。
提取表格数据到Excel - 从增值税电子发票PDF中一键提取出发票概览、完整信息、发票明细三个工作表,所有数据整整齐齐,再也不用手工复制粘贴,大大提高了财务处理效率。
生成专业PDF报表 - 基于Markdown技能总结文档,自动生成了5页专业级的PDF报告,包含表格、统计数据、格式化排版,完全可以直接拿去给领导汇报。

核心优势总结:

PDF-Skill 最大的亮点在于与 Claude Code 的深度集成,让 AI 真正成为你的 PDF 处理助手。它整合了 pypdf、pdfplumber、reportlab 等多个成熟 Python 库,配合 poppler-utils、qpdf 等命令行工具,提供了文本提取、表单填充、文档创建、图像处理、安全加密的全套解决方案。"双路径表单处理"机制既支持可填充表单自动化,也能通过像素级坐标定位处理扫描版表单,配合可视化验证确保准确性。8个实用脚本涵盖从表单检查、字段提取、自动填充到边界框验证、PDF转图像的完整工具链,模块化设计让每个功能都清晰独立、易于维护扩展。

扩展应用场景:

基于本文演示的基础功能,小伙伴们可以继续探索更多应用场景:批量处理企业合同、自动化发票识别录入、历史文档数字化归档、电子签章批量添加、PDF水印处理、多语言OCR识别等。这些场景在企业办公自动化、政务文档数字化、金融票据处理等领域都有广泛应用价值。PDF-Skill 提供的流式处理和并行批处理能力,能够高效处理大规模文档,远超传统单一功能的 PDF 库。

感兴趣的小伙伴可以按照文中步骤进行实践,根据实际业务需求调整参数配置。PDF-Skill 是完全开源免费的,无需购买昂贵商业软件,就能实现企业级 PDF 处理自动化。今天的分享就到这里,希望这个工具能帮大家解决 PDF 处理的各种难题,我们下一篇文章见!

项目资源

GitHub地址 : github.com/modelscope/...

觉得项目不错可以点个赞。

官方文档:

SKILL.md: 核心库和命令行工具说明
forms.md: 表单处理详细工作流
reference.md: 高级功能和故障排除

技术交流:

ModelScope 社区: modelscope.cn
Issue 反馈: github.com/modelscope/...

相关资源:

pypdf 文档: pypdf.readthedocs.io
pdfplumber 文档: github.com/jsvine/pdfp...
reportlab 文档: www.reportlab.com/docs/

#首发于魔搭研习社