claude-plugins/dev-tools/skills/pdf/SKILL-light.md

name, description

name	description
pdf	Processamento de ficheiros PDF — leitura, extracção, merge, split, OCR, formulários. Versão light para heartbeats.

PDF — Referência Rápida

Bibliotecas Python

pypdf — operações básicas

from pypdf import PdfReader, PdfWriter

# Ler e extrair texto
reader = PdfReader("documento.pdf")
for page in reader.pages:
    text = page.extract_text()

# Merge
writer = PdfWriter()
for pdf in ["doc1.pdf", "doc2.pdf"]:
    for page in PdfReader(pdf).pages:
        writer.add_page(page)
with open("merged.pdf", "wb") as f:
    writer.write(f)

# Split (uma página por ficheiro)
for i, page in enumerate(reader.pages):
    w = PdfWriter()
    w.add_page(page)
    with open(f"page_{i+1}.pdf", "wb") as f:
        w.write(f)

# Rotate
page = reader.pages[0]
page.rotate(90)

# Password
writer.encrypt("userpass", "ownerpass")

pdfplumber — tabelas e texto com layout

import pdfplumber

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

reportlab — criação de PDFs

from reportlab.platypus import SimpleDocTemplate, Paragraph, Table, TableStyle, PageBreak
from reportlab.lib.styles import getSampleStyleSheet
from reportlab.lib import colors

doc = SimpleDocTemplate("report.pdf")
styles = getSampleStyleSheet()
elements = [Paragraph("Título", styles['Title'])]
doc.build(elements)

Subscripts/superscripts: Nunca usar caracteres Unicode. Usar tags XML: <sub>2</sub>, <super>2</super>.

CLI

# Extrair texto (poppler-utils)
pdftotext input.pdf output.txt
pdftotext -layout input.pdf output.txt

# Merge/split (qpdf)
qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf
qpdf input.pdf --pages . 1-5 -- pages1-5.pdf

# Encriptar
qpdf --encrypt user_pass owner_pass 256 -- input.pdf encrypted.pdf

# Reparar
qpdf --check input.pdf

# Extrair imagens
pdfimages -j input.pdf output_prefix

# Render para PNG
pdftoppm -png -r 300 document.pdf output_prefix

OCR (PDFs digitalizados)

import pytesseract
from pdf2image import convert_from_path

images = convert_from_path('scanned.pdf')
text = ""
for image in images:
    text += pytesseract.image_to_string(image)

Formulários

Verificar campos preenchíveis

python scripts/check_fillable_fields.py <file.pdf>

Campos preenchíveis (nativos)

1. python scripts/extract_form_field_info.py <input.pdf> <field_info.json>
2. python scripts/convert_pdf_to_images.py <file.pdf> <output_dir>
3. Criar field_values.json com field_id, page, value
4. python scripts/fill_fillable_fields.py <input.pdf> <field_values.json> <output.pdf>

Campos não preenchíveis (anotações)

1. python scripts/extract_form_structure.py <input.pdf> form_structure.json
2. Abordagem A (estrutura): Analisar JSON, criar fields.json com pdf_width/pdf_height e bounding boxes
3. Abordagem B (visual): Converter para imagens, identificar campos, refinar com crop
4. python scripts/check_bounding_boxes.py fields.json
5. python scripts/fill_pdf_form_with_annotations.py <input.pdf> fields.json <output.pdf>
6. python scripts/create_validation_image.py <page> <fields.json> <input_img> <output_img>

Referência rápida

Tarefa	Ferramenta	Comando
Merge	pypdf/qpdf	writer.add_page() / qpdf --pages
Split	pypdf/qpdf	Uma página por ficheiro
Texto	pdfplumber	page.extract_text()
Tabelas	pdfplumber	page.extract_tables()
Criar	reportlab	Canvas ou Platypus
OCR	pytesseract	Converter para imagem primeiro
Formulários	pypdf/scripts	Ver secção acima

Caminhos Descomplicar

Local	Caminho
Documentos empresa	/media/ealmeida/Dados/GDrive/Cloud/Descomplicar/
Propostas	/media/ealmeida/Dados/Hub/03-Propostas/
Arquivo clientes	/media/ealmeida/Dados/GDrive/Arquivo_de_Clientes/
Knowledge Base	/media/ealmeida/Dados/Hub/06-Operacoes/Knowledge-Base/PDFs/
Temporários	~/.claude-work/ (limpar ao concluir)

Workflow

1. Localizar PDF (filesystem ou Google Drive)
2. Descarregar para ~/.claude-work/ se necessário
3. Processar
4. Guardar no destino final
5. Limpar temporários

---

Versão: 1.0.0-light | Base: 1.0.0