pdfly：现代化的 Python PDF 命令行瑞士军刀

在日常的开发与系统管理工作中，处理 PDF 文件是一项常见但往往颇为棘手的任务。无论是合并报告、拆分文档、提取文本还是更新元数据，我们都希望能有一套高效、可脚本化的工具来将这些重复性操作自动化。长久以来，pdftk 和 qpdf 等经典命令行工具一直是此领域的首选，但它们也存在着依赖复杂、语法晦涩以及与现代 Python 生态系统集成不便等问题。今天，我们将深入探讨一个更现代、更符合 Python 开发者习惯的替代品——pdfly，一个功能强大的 PDF 命令行瑞士军刀。

什么是 `pdfly`？

pdfly 是一个基于著名 Python 库 pypdf（其前身为 PyPDF2）构建的命令行界面（CLI）工具。它的核心设计理念是提供一个直观、易于使用且功能全面的接口，让用户可以直接在终端中完成复杂的 PDF 操作。由于 pdfly 是纯 Python 实现，它完美地解决了跨平台依赖的问题，只要你的环境中装有 Python 和 pip，一条 pip install pdfly 命令即可完成安装，无需担心底层系统库的兼容性。

这种原生于 Python 生态的特性，使得 pdfly 不仅是一个独立的工具，更是连接脚本与 PDF 文档的理想桥梁，尤其适合融入 CI/CD 流程、数据处理管道和各类自动化任务中。

核心功能：简化与自动化

相较于传统工具，pdfly 的命令设计更具现代感和可读性。它通过清晰的子命令（如 merge, split, pages）来组织功能，让使用者能够快速上手并构建强大的自动化工作流。

1. 轻松合并与拆分

合并多个 PDF 是最常见的需求之一，例如将多个周报合并为一个月度总结。使用 pdftk 可能需要这样写：

pdftk report-week1.pdf report-week2.pdf report-week3.pdf cat output monthly-report.pdf

而 pdfly 的语法则更加直观：

pdfly merge report-week1.pdf report-week2.pdf report-week3.pdf --output monthly-report.pdf

反之，如果需要从一个大型文档中提取特定页面，比如第 1、5 页以及第 10 到 15 页，pdfly 同样表现出色：

pdfly pages '1,5,10-15' full-document.pdf --output extracted-pages.pdf

这种简洁的页面范围表示法，极大地简化了文档分割的脚本编写。

2. 页面操作与文档转换

pdfly 不仅限于合并与拆分，它还支持对页面进行旋转、添加水印等操作。想象一下，你需要将扫描方向错误的所有页面顺时针旋转 90 度：

pdfly rotate 90 input.pdf --output rotated.pdf

这比打开图形界面编辑器手动操作要高效得多。

3. 文本与元数据提取

在自动化流程中，我们经常需要从 PDF 中提取信息用于后续处理。pdfly 可以轻松地将整个文档或特定页面的文本内容提取出来，这对于数据抓取或内容分析至关重要。

# 提取整个文档的文本
pdfly text document.pdf > content.txt

# 查看文档元数据
pdfly info document.pdf

通过 info 命令，你可以快速获取作者、标题、创建日期等元数据，便于进行归档和分类。

实战场景：自动化报告生成流程

让我们设想一个典型的业务场景：一个自动化系统每天生成一份 PDF 格式的销售报告。我们需要在每周一将过去七天的日报合并，并在首页附上一张总结封面，最后生成一份完整的周报。

使用 pdfly，我们可以编写一个简单的 Shell 脚本来完成这个任务：

#!/bin/bash

# 定义文件
COVER_PAGE="cover.pdf"
OUTPUT_FILE="weekly-report-$(date +%Y-%U).pdf"
DAILY_REPORTS=(mon.pdf tue.pdf wed.pdf thu.pdf fri.pdf sat.pdf sun.pdf)

# 检查所有日报是否存在
for report in "${DAILY_REPORTS[@]}"; do
    if [ ! -f "$report" ]; then
        echo "错误：日报 $report 不存在！"
        exit 1
    fi
done

# 第一步：合并所有日报
echo "正在合并日报..."
pdfly merge "${DAILY_REPORTS[@]}" --output temp-daily-merge.pdf

# 第二步：将封面与合并后的日报再次合并
echo "正在添加封面..."
pdfly merge "$COVER_PAGE" temp-daily-merge.pdf --output "$OUTPUT_FILE"

# 清理临时文件
rm temp-daily-merge.pdf

echo "周报 $OUTPUT_FILE 已成功生成！"

这个脚本清晰地展示了如何利用 pdfly 组织一个多步骤的文档处理流程。由于 pdfly 的命令是幂等的且易于理解，整个自动化脚本的维护成本也大大降低。

结论：为什么 `pdfly` 是更优选择？

对于追求效率和现代开发实践的团队而言，pdfly 提供了一个远超传统工具的解决方案。它的优势在于：

Python 原生：无缝集成于 Python 项目，无跨平台编译或依赖烦恼。
语法直观：命令结构清晰，学习曲线平缓，易于编写和维护自动化脚本。
功能全面：基于强大的 pypdf 库，覆盖了绝大多数日常 PDF 操作需求。
真正的自动化友好：为无人值守的脚本执行而设计，是 CI/CD 和数据管道的理想选择。

虽然 pdftk 等工具在过去扮演了重要角色，但随着技术生态的演进，像 pdfly 这样构建在现代化基础库之上的工具，无疑为 PDF 命令行自动化提供了更强大、更灵活、也更优雅的实现路径。如果你还在为繁琐的 PDF 手动操作或老旧的脚本而烦恼，不妨给 pdfly 一个机会，它很可能会成为你工具箱中不可或缺的一员。