PDF Processing Guide

Umfassender Guide für PDF-Verarbeitung mit Python und CLI-Tools.

Quick Start

from pypdf import PdfReader, PdfWriter

# PDF lesen
reader = PdfReader("document.pdf")
print(f"Seiten: {len(reader.pages)}")

# Text extrahieren
text = ""
for page in reader.pages:
    text += page.extract_text()

set -euo pipefail

Python Libraries

pypdf — Basis-Operationen

• Lesen, Schreiben, Zusammenführen, Splitten
• Text-Extraktion, Metadaten

pdfplumber — Tabellen-Extraktion

import pdfplumber
with pdfplumber.open("doc.pdf") as pdf:
    for page in pdf.pages:
        tables = page.extract_tables()

set -euo pipefail

pytesseract — OCR für gescannte PDFs

# OCR auf PDF-Seiten
from pdf2image import convert_from_path
images = convert_from_path("scan.pdf")
for img in images:
    text = pytesseract.image_to_string(img, lang="deu")

set -euo pipefail

CLI-Tools

# PDFs zusammenführen
pdfunite file1.pdf file2.pdf merged.pdf

# PDF splitten
pdftk input.pdf burst

# Text extrahieren
pdftotext input.pdf output.txt

# OCR (mit ocrmypdf)
ocrmypdf input.pdf output.pdf --language deu

Hinweis für Hermes

Die Anthropic-PDF-Skills sind auf Claude Code zugeschnitten. Für Hermes nutze die eingebauten Tools:

• ocr-and-documents Skill für Text-Extraktion
• nano-pdf Skill für PDF-Bearbeitung
• pymupdf und marker-pdf als Python-Alternativen