PDF 不止装文字：用 Python 给 PDF 添加和提取内嵌附件
一份完整的项目报告，往往不只有 PDF 正文，还包括用于计算的 Excel 表格、原始图片或补充说明。如果这些文件分开发送，接收者就需要逐一下载、整理，还可能遗漏其中某一份材料。PDF 的附件功能提供了另一种组织方式：把配套文件直接嵌入 PDF，让正文与相关资料一起交付。
使用 Python 提取 PDF 的表格数据
PDF 是日常工作中最常见的文档格式之一，但它的 "表格" 和 Excel 里的表格是两回事：PDF 文件本身并不保存结构化的表格数据，页面上的表格只是由文字和线条按位置关系呈现出来的视觉效果。因此，用程序读取 PDF 表格，本质上是让库去分析页面版式、识别行与列的结构。
Python 处理 PDF 常见问题
PDF 没有统一的内部写法。Word 导出的、Chrome 打印的、扫描仪生成的、业务系统拼出来的，后缀一样，结构差很多。动手前先花几行确认手里是哪种。import osfrom pypdf import PdfReaderfrom pypdf.
私有AI实战10：让本地AI读懂自己的PDF！从零搭建第一个RAG知识库
电脑里明明存着几百份PDF、Word和技术资料，每次遇到问题，却还是要自己打开文件、搜索关键词、逐页查找。既然已经把大模型装进了电脑，能不能让AI直接从这些资料中寻找答案？比如，打开AI聊天窗口，直接提问：“公司差旅住宿费的报销标准是多少？
本地知识库实战：让 AI 真正读取 PDF、Word 和 Markdown
上一篇我们已经了解了 RAG 的基本原理。这一篇继续实操。这一次不再使用简单的 TXT 文件做演示，而是把实际工作中经常使用的：PDF、Word、Markdown真正接入本地大模型。
数智码力：用 Python 简化 PDF 处理，提取文本、拆分文档一次搞定
PDF应该算是职场最让人头疼的文件格式之一。很多PDF无法直接复制文字；想要提取其中几页单独分享，市面上不少工具需要付费，在线转换工具还存在文档上传泄露风险。使用Python本地处理PDF，文本提取、拆分合并文档都可以自主实现，不需要付费，文件全程保存在本地。
财务录PDF发票？Python批量提取金额税额，秒生成 Excel 报销台账
导读：月末或年底报销季，几百张 PDF 电子发票堆在文件夹里，逐个打开、复制发票代码、号码、金额、税额，眼睛看花不说，还极易出错。今天教你用 Python 编写一个自动化脚本，一键批量提取所有发票的关键财务数据并汇总到 Excel 中，彻底告别繁琐的手工录入！
Python 实现 PDF 文本查找与高亮标注
在文档处理、数据分析、内容审核等场景中，经常需要批量检索 PDF 中的指定文本，并对目标内容进行高亮标注，方便快速识别重点信息。Python 拥有丰富的 PDF 处理库，能够高效实现这类自动化操作。
扫描件 PDF 抠不出表格？Python 17 行搞定
pymupdf 把页面拍成图片，RapidOCR 认中文，扫描件也能抠成表上次讲 PDF 抠表格，评论区有人追问：图片扫描的 PDF 能抠吗？能，但得换一套打法。
使用 Python 提取和拆分 PDF 页面
实际工作中经常拿到几十页甚至上百页的 PDF——合并的季度报告、扫描的合同、批量导出的发票。接收方往往只需要其中几页：把单页拆成独立文件分发，或者抽取某个页码区间交给不同的人处理。手动用 PDF 编辑器拆分既低效又难以批量。