pypdf 的范围¶
pypdf 应该具备哪些功能，哪些功能将永远不具备？
pypdf 旨在简化与 PDF 文档的交互。pypdf 可以执行的核心任务包括：
文档操作：拆分、合并、裁剪和转换 PDF 文件的页面
数据提取：从 PDF 文档中提取文本和元数据
安全性：解密/加密 PDF 文档
以下是一些指示，表明某个功能应该由 pypdf 来实现：
任务需要深入了解 PDF 格式
当前需要大量代码，或者甚至无法用 pypdf 完成
该功能既不属于“应由用户代码实现”也不属于“超出范围”
它已经出现在带有 is-feature 标签 的问题列表中。
月球任务扩展是我们希望拥有的功能，但目前无法添加（欢迎提交 PR 😉）
应由用户代码实现¶
以下是一些指示，表明某个功能应该放到用户代码中实现（而不是 pypdf 中）：
使用场景非常具体，大多数人不会遇到相同的需求。
它可以在不需要了解 PDF 规范的情况下完成。
它无法在没有（非 PDF）领域知识的情况下完成。任何与你所在行业相关的内容。
超出范围¶
虽然这个列表是无限长的，但有一些话题被多次询问过。
这些话题超出了 pypdf 的范围，永远不会成为 pypdf 的一部分：
光学字符识别 (OCR)：OCR 是从图像中提取文本。这与 pypdf 所做的文本提取完全不同。请注意，图像可以包含在 PDF 文档中。在扫描文档的情况下，整个页面就是图像。有些扫描仪会自动执行 OCR 并在扫描页面后面添加文本层。pypdf 可以利用这个文本层（如果它存在的话）。一个值得注意的开源 OCR 项目是 tesseract。
格式转换：将 docx / HTML 转换为 PDF，或将 PDF 转换为这些格式。你可以查看
pdfkit和类似的项目。
目前超出范围，但如果有足够的贡献者，可能会添加：
数字签名支持 (参考票据)：加密技术复杂，必须做到正确。pypdf 目前没有足够的活跃贡献者来正确添加数字签名支持。目前，pyhanko 似乎是最佳选择。
从头开始生成 PDF：pypdf 可以操作现有的 PDF 文档，添加注释，合并/拆分/裁剪/转换页面。它可以添加空白页面。但如果你想生成发票，你可能需要查看
reportlab/fpdf2或类似的文档转换工具，如pdfkit。在 PDF 中替换单词：从 PDF 中提取文本很困难。以可靠的方式替换文本更难。例如，一个单词可能被拆分成多个令牌。因此，在某些情况下，这并不是简单的“查找和替换”。
（不）提取页眉/页脚/页码：虽然可以应用启发式方法，但无法始终确保成功。PDF 文档根本不包含页眉/页脚/页码的相关信息。
库与应用程序¶
还值得指出的是，pypdf 设计为一个库，而不是应用程序。这有几个含义：
执行：pypdf 不能直接执行，而是只能在 pypdf 用户编写的程序中调用。相比之下，应用程序是由它自己执行的。
依赖性：pypdf 应该有一个最小的依赖集，并且仅在严格必要时才限制依赖性。相比之下，应用程序应该安装在与其他应用程序隔离的环境中，并可以锁定其依赖项。
如果你正在寻找一种通过 Shell 与 PDF 文件交互的方式，你应该编写一个使用 pypdf 的脚本，或者使用 pdfly。