---
name: edge-pdf-docs
description: edge_collector PDF 文档读取、提取、转换和交付检查规范。用于处理客户 PDF、导出报告、部署手册、测试报告、扫描件、表格提取、PDF 转图片预览，以及从 DOCX/Markdown 生成 PDF 交付件。
---

# edge_collector PDF 处理

## 适用场景

- 阅读客户 PDF 需求、手册、协议资料。
- 从 PDF 提取文字或表格。
- 把 Word/Markdown 报告转 PDF。
- 将 PDF 页面转图片用于视觉检查。
- 合并、拆分或旋转 PDF。

## 文本提取

优先使用：

```bash
pdftotext -layout input.pdf output.txt
```

需要表格时使用 `pdfplumber`：

```python
import pdfplumber

with pdfplumber.open("input.pdf") as pdf:
    for page in pdf.pages:
        print(page.extract_text())
        print(page.extract_tables())
```

扫描件需要 OCR 时，先说明 OCR 可能有识别误差，并保留人工复核步骤。

## PDF 转图片

用于检查版式、截图或报告附件：

```bash
pdftoppm -png -r 150 input.pdf page
```

只转指定页：

```bash
pdftoppm -png -r 150 -f 1 -l 3 input.pdf page
```

## 合并与拆分

优先使用 `qpdf`：

```bash
qpdf --empty --pages a.pdf b.pdf -- merged.pdf
qpdf input.pdf --pages . 1-5 -- part.pdf
```

## 交付检查

生成 PDF 后检查：

- 页面是否缺失。
- 中文是否乱码。
- 表格是否截断。
- 图片是否模糊。
- 页眉页脚和页码是否正确。
- 是否包含未脱敏的密钥、账号、密码、内网地址。

## 当前项目注意

- 用户手册 PDF 不写内部技术细节。
- 故障报告 PDF 要保留证据截图和验证命令摘要。
- 部署报告 PDF 要写清目标主机但隐藏敏感凭据。
- AI 分析报告 PDF 不展示内部 AI Provider 和模型配置。