@deepwhale-cn/dsh-pdf-kit

PDF 批量处理工具箱：合并、按页拆分、压缩、整页文字水印、提取文本、导出内嵌图片 —— 一条命令出产物，不改原文件。

关键词：PDF 合并 · PDF 拆分 · PDF 压缩 · PDF 加水印 · PDF 提取文字 · PDF 导出图片 · PDF 工具箱 · pdf-kit

不装会怎样

手上几十份 PDF 要合并、要按章节拆、要压到能发邮件、要盖「内部资料」水印、要把文字和图片扒出来 —— 用在线网站意味着把文件上传给陌生人；用 Acrobat 意味着一份份点；自己写脚本又容易写坏页序、 把原文件覆盖掉、或者压缩完反而更大。这个插件把这几件事做成一条可重复、可核对的命令： 输入只读、输出独立目录、同名自动加序号。

能做什么

子命令	做什么	可核对的产物
merge	多个 PDF 按给定顺序合并	一个 PDF，页数 = 各输入页数之和
split	按页拆成单页，或每 N 页一份	多个 PDF，每个页数固定
compress	重存 + 图片降采样 / JPEG 重编码 + 字体子集化	一个 PDF，通常体积明显变小，页数不变
watermark	整页平铺文字水印（支持中文）	一个 PDF，文字可从产物中提取出来核对
extract-text	每页文本各导出一个 UTF-8 .txt	每页一个 txt，页数一致
extract-images	导出页面内嵌图片原始字节	每页每图的图片文件（PNG/JPEG 等）

• 支持单文件、多文件（--input a.pdf,b.pdf）或整个目录（非递归，处理目录下所有 .pdf）。
• 输入永远只读；输出默认写到 <输入目录>/_输出，可用 --out 指定。
• 同名不覆盖：已存在 x.pdf 时自动写成 x-1.pdf、x-2.pdf。
• --json 给脚本/CI 用；--demo 自造样例跑完整流程并打印所有产物路径。

不能做什么

• ❌ 不做 OCR：扫描件/图片型 PDF 提不出文字，只会得到空 txt 或图片。
• ❌ 不处理加密/受保护 PDF：需要密码的文件会报错退出，不会绕过。
• ❌ 不是 PDF 编辑器：不改文字、不删页、不改版式；merge/split 按整页搬运。
• ❌ 不保证压缩后一定更小：没有图片、或本就高度压缩的文件可能压不动，产物会如实报告「未变小」。
• ❌ 水印是文字层：水印文字可被提取，不能当作防复制手段；不提供图片/Logo 水印、不提供密码保护。
• ⚠️ 目录批量是单层的，不会递归子目录。合并顺序对目录输入按文件名排序，对显式列表按给定顺序。

安装

dsh plugin --profile web add @deepwhale-cn/dsh-pdf-kit

依赖 python3 + PyMuPDF（PDF 读写由 python 完成）。缺依赖时命令会明确报「缺什么、怎么装」：

brew install python3
python3 -m pip install PyMuPDF

检查本机环境：

dsh-pdf-kit --probe

用法

# 看效果（自造样例，不碰你的文件）
dsh-pdf-kit --demo

# 合并
dsh-pdf-kit merge --input a.pdf,b.pdf --out out

# 按页拆 / 每 2 页一份
dsh-pdf-kit split --input report.pdf --out out
dsh-pdf-kit split every-n --n 2 --input report.pdf

# 压缩 + 加水印 + 提文本 + 导图片
dsh-pdf-kit compress --quality 60 --input big.pdf
dsh-pdf-kit watermark --text "内部资料" --input a.pdf
dsh-pdf-kit extract-text --input a.pdf
dsh-pdf-kit extract-images --input a.pdf

# 给程序：JSON 输出
dsh-pdf-kit merge --input a.pdf,b.pdf --json

退出码：0 成功 / 2 参数或输入错误 / 3 依赖缺失 / 4 执行失败。

自测

bash tests/run.sh

测试会自己用 python fitz 造样例 PDF，逐项核对合并页数、拆分文件数、压缩后体积、水印文字、 文本内容、图片可重新打开，并验证「输入文件哈希不变」「不存在文件必须非 0 且明确提示」等反例。

License

MIT © 温州深鲸智能科技有限公司