工具集

读取与提取 PDF 文本和表格，合并、拆分、旋转页面，加水印、填写表单，并能对扫描件做 OCR。驱动 Claude 文档能力的 Anthropic 官方技能，源码可见但非开源。

给扫描版 PDF 加上可搜索、可复制的文字层，可自动纠偏、旋转并优化体积，默认输出 PDF/A。基于 Tesseract，支持 100 多种语言，完全本地运行。

精确读取电子版 PDF 中每个字符、线条和表格框的位置：命令行可导出保留版面的文字或 CSV / JSON 明细，Python 接口还能抽取表格和表单字段，适合从发票、对账单、报表里取数。需 Python 环境，本地运行；不适合扫描件，需先 OCR。

从 PDF 中抽取表格的开源工具，自带 camelot 命令行，可把财报、银行对账单、统计报表里的表格导出为 Excel、CSV 或 Markdown，并给出识别准确度。需要 Python 3.10+；默认只处理能选中文字的 PDF，扫描件需另装 ml 与 ocr 扩展；结果建议人工核对。

从 PDF 发票中按 YAML/JSON 模板抽取开票方、金额、日期、票号等字段，导出 CSV、JSON 或 XML；内置多种文本抽取后端，支持扫描件 OCR 与可选的 AI 兜底。

法德电子发票标准 Factur-X（即 ZUGFeRD 2.x）的 Python 库，自带命令行：把普通 PDF 发票和 XML 合成为 Factur-X 发票、从发票 PDF 中取出 XML，并按官方 XSD 校验；也支持 Order-X 订单与 UBL 格式。需本机安装 Python 3。