核心用法
cn-pdf-assistant 是一款纯本地运行的PDF文档处理工具，通过命令行调用实现六大核心功能：
1. 文本提取 —— 支持指定页码范围提取PDF文本内容，适用于快速获取文档正文。
2. 智能摘要 —— 基于章节标题识别与关键词频率分析自动生成文档摘要，辅助快速把握核心内容。
3. 表格提取 —— 采用pdfplumber引擎精准提取PDF中的表格数据，支持导出为Excel格式，方便财务分析、数据整理。
4. 关键词问答 —— 基于段落匹配实现文档内关键词检索与定位，适合合同审查、条款查找。
5. PDF拆分 —— 按页码批量拆分PDF文档，便于资料归档与分卷管理。
6. OCR扫描识别（v1.3.0新增） —— 支持中英文扫描版PDF识别，输出可搜索文本并显示置信度评分，自动保存为TXT文件。
---
显著优点
- 隐私优先：纯本地处理，无需联网上传，杜绝敏感文档泄露风险
- 功能全面：覆盖PDF处理的完整工作流，从提取到分析再到拆分
- OCR增强：v1.3.0新增扫描版识别能力，解决传统工具无法处理图片PDF的痛点
- 开源可控：Python脚本形式，依赖透明，可审计可定制
- 格式友好：表格直接导出Excel，摘要结构化输出
潜在局限
- 命令行门槛：需熟悉Python环境与终端操作，非技术用户上手成本较高
- OCR依赖复杂：Tesseract-OCR引擎需额外安装，跨平台配置可能遇到问题
- 摘要质量波动：基于规则的文本分析，对复杂排版或非结构化文档效果有限
- 无GUI界面：缺乏图形交互，批量操作与可视化预览能力不足
- 问答精度：关键词匹配非语义理解，复杂问题需人工二次筛选
适合人群
- 科研人员：论文批量处理与核心内容提取
- 法务/审计人员：合同条款检索与关键信息定位
- 数据分析师：财报表格自动化提取
- 档案管理员：扫描版PDF数字化与文档拆分整理
- 隐私敏感用户：处理机密文件时拒绝云端方案
常规风险
- 本地文件安全：脚本需读取PDF并生成输出文件，建议放置于隔离目录运行
- 依赖版本冲突：pdfplumber、PyPDF2等库版本差异可能导致解析异常
- OCR误识别：扫描质量、字体复杂度影响识别准确率，关键数据需人工复核
- 无自动备份：处理过程直接覆写或生成新文件，原始文档建议预先备份