获取PDF文件的基本信息。

Args: file_path: PDF文件的完整路径

Returns: 包含以下信息的字典: - page_count: 页数 - title: 标题 - author: 作者 - subject: 主题 - creator: 创建程序 - producer: 生成程序 - creation_date: 创建日期 - modification_date: 修改日期 - file_size: 文件大小(字节) - file_size_mb: 文件大小(MB) - is_encrypted: 是否加密

将PDF页面转换为图片(base64编码)返回。适合需要保留原始排版、图表、公式的场景。

Args: file_path: PDF文件的完整路径 pages: 要读取的页码，支持多种格式: - 不传或"all": 所有页面 - "1": 单页 - "1-5": 页码范围 - "1-": 从第1页到末尾 - "-5": 从开头到第5页 - "1,3,5": 指定多页 - "1-3,5,7-9": 混合格式 dpi: 图片分辨率，默认150。72=低质量小文件，150=平衡，300=高清大文件 image_format: 图片格式，"jpeg"(默认，文件小)或"png"(无损，文件大) quality: JPEG压缩质量(1-100)，默认85。仅对jpeg格式有效，值越低文件越小但质量越差 max_total_bytes_mb: 单次调用允许返回的最大图片负载(MB)，默认20

Returns: 图片列表，每个元素包含: - page_number: 页码(从1开始) - image_base64: 图片的base64编码 - width: 图片宽度(像素) - height: 图片高度(像素) - format: 图片格式 - truncated: 是否因大小限制被截断 - warning: 截断或限制提示（可选）

提取PDF的文本内容。适合纯文本PDF，速度快，消耗token少。

注意：对于扫描版PDF（图片PDF），此方法可能无法提取文本，建议使用read_pdf_as_images。

Args: file_path: PDF文件的完整路径 pages: 要读取的页码，支持多种格式: - 不传或"all": 所有页面 - "1": 单页 - "1-5": 页码范围 - "1-": 从第1页到末尾 - "-5": 从开头到第5页 - "1,3,5": 指定多页 - "1-3,5,7-9": 混合格式 max_pages: 单次调用最多返回的页数，默认50 max_chars: 单次调用最多返回的总字符数，默认200000

Returns: 包含以下信息的字典: - total_pages: 总页数 - extracted_pages: 提取的页码列表 - pages: 每页内容列表，包含page_number和text - full_text: 所有页面的合并文本 - warning: 警告信息（如检测到可能是扫描版PDF或结果被截断）

获取PDF的书签/目录结构（大纲）。

Args: file_path: PDF文件的完整路径

Returns: 包含以下信息的字典: - has_outline: 是否有目录 - outline_count: 目录条目数量 - outline: 目录列表，每个元素包含: - level: 层级(1开始) - title: 标题 - page: 页码

在PDF中搜索文本，返回匹配位置和上下文。

Args: file_path: PDF文件的完整路径 query: 搜索关键词 pages: 搜索的页码范围（可选，默认全部页面） max_results: 最大返回结果数，默认50

Returns: 包含以下信息的字典: - query: 搜索关键词 - total_matches: 匹配总数 - pages_with_matches: 有匹配的页码列表 - results: 匹配结果列表，每个包含: - page: 页码 - context: 匹配的上下文文本

提取PDF中的表格数据。

注意：表格提取依赖PDF的结构，对于复杂或扫描版PDF可能效果不佳。

Args: file_path: PDF文件的完整路径 pages: 要提取的页码范围（可选，默认全部页面）

Returns: 包含以下信息的字典: - total_tables: 表格总数 - tables: 表格列表，每个包含: - page: 页码 - table_index: 该页中的表格索引 - rows: 行数 - cols: 列数 - data: 表格数据（二维数组）

提取PDF中嵌入的图片。

Args: file_path: PDF文件的完整路径 pages: 要提取的页码范围（可选，默认全部页面） min_width: 最小图片宽度，过滤小图片，默认100像素 min_height: 最小图片高度，过滤小图片，默认100像素

Returns: 包含以下信息的字典: - total_images: 图片总数 - images: 图片列表，每个包含: - page: 页码 - image_index: 该页中的图片索引 - width: 宽度 - height: 高度 - format: 图片格式 - image_base64: base64编码的图片数据

获取PDF指定页面的详细信息。

Args: file_path: PDF文件的完整路径 page: 页码（从1开始）

Returns: 包含以下信息的字典: - page_number: 页码 - width: 页面宽度(点) - height: 页面高度(点) - rotation: 旋转角度 - has_text: 是否包含文本 - text_length: 文本长度 - image_count: 图片数量 - link_count: 链接数量

提取PDF中的所有链接（URL和内部跳转）。

Args: file_path: PDF文件的完整路径 pages: 要提取的页码范围（可选，默认全部页面）

Returns: 包含以下信息的字典: - total_links: 链接总数 - external_links: 外部URL链接列表 - internal_links: 内部跳转链接列表

获取PDF中的注释（批注、高亮、下划线等）。

Args: file_path: PDF文件的完整路径 pages: 要提取的页码范围（可选，默认全部页面）

Returns: 包含以下信息的字典: - total_annotations: 注释总数 - annotations: 注释列表，每个包含: - page: 页码 - type: 注释类型 - content: 注释内容 - author: 作者

获取PDF文本的统计信息（字数、字符数、段落数等）。

Args: file_path: PDF文件的完整路径 pages: 要统计的页码范围（可选，默认全部页面）

Returns: 包含以下信息的字典: - total_pages: 总页数 - analyzed_pages: 分析的页数 - total_characters: 总字符数 - total_characters_no_space: 不含空格的字符数 - total_words: 总词数（按空格分割） - total_lines: 总行数 - total_paragraphs: 总段落数 - avg_chars_per_page: 平均每页字符数 - avg_words_per_page: 平均每页词数 - is_likely_scanned: 是否可能是扫描版PDF

比较PDF中两个页面的文本差异。

Args: file_path: PDF文件的完整路径 page1: 第一个页码（从1开始） page2: 第二个页码（从1开始）

Returns: 包含以下信息的字典: - page1_chars: 第一页字符数 - page2_chars: 第二页字符数 - common_lines: 相同的行数 - page1_unique_lines: 仅在第一页出现的行数 - page2_unique_lines: 仅在第二页出现的行数 - similarity: 相似度（0-1）