360 Secure SkillHub
360 安全技能中心

品牌 PDF 报告复刻（同尺寸 pptx+pdf+html+数据反解）

先探针判定 PDF 图表为矢量还是位图；再以矢量路径取点配合刻度坐标标定反解数值，用 clipPath 与像素扫描交叉校验；按原稿页面尺寸重建 HTML 版式并打印为 PDF，用 python-pptx 满幅铺底封装 PPTX 与演讲者备注；最后以交付硬门校验尺寸、页码、墨量与 PPTX 结构，无法还原处如实声明。

yjkj999999
yjkj999999
热度 7.65
最近更新 2026-09-17 19:08:24
分类：效率依赖：代码执行 / 读写文件 / 联网浏览搜索应用场景：文件转换 / 演示设计 / 数据处理 / 报告撰写

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add brand-pdf-deck-replica
Metadata
name
brand-pdf-deck-replica
description
把一份「PowerPoint 导出的品牌 PDF 报告」（贝莱德智库/BII、麦肯锡、摩根士丹利等范式）复刻成 同尺寸的 pptx + pdf + html 三件套，并把每张图表的数据从矢量图形反解成 CSV。 核心能力：① 探针判定该 PDF 的图表是矢量还是着色蒙版位图；② 用「矢量路径取点 + 刻度文字坐标 线性拟合」还原数值，并以 clipPath 矩形与 PIL 像素扫描做三路交叉校验；③ 按原稿页面尺寸 （如 792×594pt）1:1 重建版式（含页脚文件编号、页码、色带、深色面板）；④ CSS @page 出 PDF； ⑤ python-pptx 满幅铺底 + 演讲者备注封装 PPTX。 当用户给出一个品牌 PDF 并要求「复刻」「仿照这个风格」「全要数复刻提取」「做成贝莱德智库风格」 的 pptx/pdf/html，或要求把 PDF 图表里的数字扒出来时使用。也用于任何「按原稿页面尺寸 1:1 重建 + 数据还原」的交付。
homepage
https://github.com/yjkj999999/brand-pdf-deck-replica
author
王东杰 (Wang Dong Jie) · yjkj999999
license
MIT-0
version
1.0.0
read_when
["用户给出一个品牌 PDF 报告并要求复刻成 pptx/pdf/html","用户要求「全要数复刻提取」「把图里的数据扒出来」","用户说「做成某某智库风格」「按这个 PDF 的版式来一份」","需要从 PowerPoint 导出的 PDF 中反解图表原始数值"]
metadata
{"openclaw":{"emoji":"🧬","version":"1.0.0","author":"王东杰 (Wang Dong Jie) / yjkj999999","homepage":"https://github.com/yjkj999999/brand-pdf-deck-replica","license":"MIT-0","requires":{"binaries":["python3","pdftotext","pdftocairo","pdftoppm","pdfinfo","pdfimages"]},"python_packages":["python-pptx","Pillow"]},"security":{"credentials_usage":"本技能不联网、不需要任何凭证。全部处理在本地完成：读取用户提供的 PDF，输出本地文件。\n不发送任何数据到外部服务。唯一的外部依赖是可选的 html-to-pdf-cdp 技能（本地 Chrome + CDP）。\n","allowed_domains":[]}}

品牌 PDF 报告复刻（同尺寸 pptx + pdf + html + 数据 CSV）

作者：王东杰 (Wang Dong Jie) · yjkj999999 许可：MIT-0（可自由使用、修改、再分发，无需署名）

本技能解决一类固定任务：用户丢来一份品牌 PDF（通常是 PowerPoint 导出），要求复刻版式并还原其中数据。 技能的核心不是"画得好看"，而是判定口径与验收门——它规定了「什么能还原、什么必须承认不能还原」， 避免交出一份看着漂亮但数据是编的报告。

Step 0 · 先探针，别急着动手（4 条命令定性质）

一键探针：

bash scripts/probe_pdf.sh src.pdf

等价于手工执行：

pdfinfo  src.pdf | grep -E '^(Pages|Page size)'   # 页数 + 页面尺寸(pt)
pdftotext -layout src.pdf - | head -40            # 中文是否乱码？(ToUnicode 缺口)
pdfimages -list src.pdf | awk 'NR>2{c[$1]++} END{for(p in c) print p, c[p]}'  # 每页内嵌位图数
pdftocairo -svg -f N -l N src.pdf pg.svg          # 单页矢量导出，看 path/polyline 数

判定表：

现象 含义 对策
pdftotext 出 本本本本 但拉丁字符/数字正常 中文字体缺 ToUnicode 映射 文字只能靠渲染图人工判读或依原报告知识重建；数字标定仍可用（见 Step 2）
pdftocairo -svg 里 fill="rgb(...)"，无 <image> 图表是矢量 可精确反解数据（Step 2）
某页 <image> 数百个、fill 只有寥寥几色 该页图形是着色蒙版位图 无法矢量还原，必须如实声明「此处为位图，仅做意象重构」
页面出现整块纯色（抽样 distinct≈1） 设计上的满高色带/黑面板 照做即可，且落在其上的页脚文字必须换浅色

实测：某品牌 19 页 PDF 每页有 15–230 个 <image>（2×2 索引图 + smask 成对）， 但数据图表页仍有完整矢量折线/矩形——「有位图」不等于「不能反解」，必须逐页看。

Step 1 · 文字内容

中文乱码时不要硬凑：拉丁标签 + 数字 + 对原报告主题的先验知识是唯一可靠来源。 把重建出的文字结构化成一个 content.py（每页一个 dict），后续所有渲染都从它取数， 便于逐页替换与复核。

凡重建，必须在交付说明里写明「中文内容系依渲染图与主题重建」，不得暗示逐字精确。

Step 2 · 数据反解（矢量路径 + 刻度标定）

scripts/svgdump.py 提供通用取数器：解析 pdftocairo 出的 SVG，复合所有 <g> 的 matrix() 变换（注意 y 轴翻转 matrix(1,0,0,-1,0,594)），输出每个元素的点集、子路径、 填充色/描边色与 bbox。

python3 scripts/svgdump.py pg6.svg        # 列出元素、点数、颜色、bbox

反解流程：

  1. 曲线：取带品牌色 stroke 的 path，采样点即数据点。
  2. 柱形：取填充 rect；斜纹/图案填充的柱子数量不在填充里，在其 clipPath 矩形里——必须解析 clipPath。
  3. 标定：用 pdftotext -bbox 拿刻度数字（拉丁字符，未乱码）的坐标，对「数值 ↔ 像素」做线性拟合。
  4. 验收线：标定残差 ≤ 0.1pt。个别斜纹柱可能到 0.3pt 量级，必须在报告里点名说明， 不能笼统写「全部 ≤0.07pt」。
  5. 三路交叉校验：矢量路径 / clipPath 矩形 / PIL 像素扫描，结果一致才可交付。

三个必踩坑：

  • 图例行也是同色 path，会把 y 值拉飞 → 用绘图区矩形过滤（in_plot()）。
  • 分组/堆叠柱不能用系列内部序号当类别 → 按 x 坐标的最大间隙聚类分配类别。
  • 颜色到系列的映射会张冠李戴 → 用脚注语义 + 数值全为正/负反向验证。

真实案例（含残差与修正过程）见 examples/blackrock_2026_case.md。

Step 3 · 版式 1:1 重建（纯 HTML+SVG，不用 PPT 模板）

  • @page{ size: <W>pt <H>pt; margin:0 }，.slide{ width:<W>pt; height:<H>pt; overflow:hidden }。

  • 页脚必须带原稿真实页码：<文件编号>-<页码>/<总页数>。文件编号要逐字节核对原 PDF：

    pdftotext -f 4 -l 4 src.pdf - | grep -o 'MKTG[^ ]*' | od -c

    凭记忆手打极易多/漏字母（实战中曾把 MKTG0726-5754384-EXP0727 打成 MKTGT0726-5754384-EXIP0727，多一个 T、多一个 I）。

  • 页数与原稿不一致时（合并/拆分页），页码仍标原稿真实页（如合并页标 2–3）， 不要用 deck 序号充当页码。更稳妥：显式维护「deck 索引 → 原稿页码」映射函数。

  • 深色面板上的任何文字（标题、页脚免责声明、页码）都要切浅色，否则黑底黑字。 给 page_footer() 加 dark_left/dark_right 参数最省事。

Step 4 · 出 PDF

用 html-to-pdf-cdp 技能的 render_html_pdf.sh（CDP Page.printToPDF， 绕开 headless --print-to-pdf 被沙箱 SIGKILL 的问题）：

SKIP_VERIFY=1 bash ~/.workbuddy/skills/html-to-pdf-cdp/scripts/render_html_pdf.sh in.html out.pdf 3200 css

纯 SVG 版面必须加 SKIP_VERIFY=1：该脚本自带的 verify_charts.js 只认 <canvas>， 会对着完全正确的 SVG 版面误报「12 个 canvas 未绘出」。

Step 5 · 封 PPTX（满幅铺底 + 备注全文）

python3 scripts/mkpptx.py out.pdf out.pptx 200

实现要点（scripts/mkpptx.py 已封装）：

prs.slide_width, prs.slide_height = W*12700, H*12700   # 1pt = 12700 EMU，与原稿同尺寸
# 每页：pdftoppm -r 200 出图 → add_picture(0,0,W,H) 满幅
# 备注：notes_text_frame.text = 该页 pdftotext 全文（压掉页脚声明/编号）

为什么用图铺底而不是原生形状：自绘 SVG 图表无法用 python-pptx 表达；位图保真 100%， 文字则靠演讲者备注保留可检索/可复制性。交付时必须说明这一取舍，并主动提供 「原生形状降级稿」作为备选。

Step 6 · 交付硬门（全过才算完成）

体检脚本：

python3 scripts/layout_qa.py out.pdf
# 门 检查方式
1 页面尺寸与页数 pdfinfo：Page size = 原稿；页数 = 内容页 + 附录
2 页码/文件编号逐页对齐 对每页 pdftotext | grep -o 'MKTG[^ ]*'，与原稿逐页比对
3 无空白图 逐页 ink% / color% 覆盖率；纯文字页 color≈0 属正常
4 无出血溢出 逐页测底部/右侧出血带墨量；但必须先排除设计上的满高色带，只查文字栏区域
5 无黑底黑字 对深色区域抽样统计浅色像素数 > 0
6 计数自洽 附录里声明的「N 张图 / N 个系列 / N 个 CSV」必须等于实际文件数
7 PPTX 结构 slides 数、宽高（in）、每页 1 张图、备注字数

第 4 门最容易误判：满高黑面板本身就会把「出血带墨量」顶满， 必须把检测区域收窄到文字栏再判定（实测该页文字栏 545–558pt 墨量为 0 即安全）。

常见故障速查

症状 根因 修法
TypeError: not all arguments converted 'a' 'b' % args 中 % 只作用于最后一个字面量，+ 拼接的段不参与 每段单独 % 格式化后 ''.join()，别指望一条链式格式
命令被系统策略拦截 Python 里定义了名为 reg 的函数/变量，命中 Windows reg 命令黑名单 改名（如 zone/band）
改完代码 PDF 仍是旧版面 Chrome 复用了上一次的 user-data-dir 用 render_html_pdf.sh 自起模式（每次全新 profile）
图表全白 HTML 里根本没写进图表 SVG 先 grep 输出的 HTML 里目标元素数量，再看渲染
页码全错一位 合并了原稿的某两页，却仍用 deck 序号当页码 显式维护「deck 索引 → 原稿页码」映射
CSV 比声明的系列多 同一系列被按两种命名/精度各写一份 交付前按内容哈希查重，删低精度副本

产出物清单

brand-deck/
  deck/content.py        # 结构化全文（每页一个 dict）
  deck/charts.py         # 纯 SVG 图表渲染器（无 JS）
  deck/gen_html.py       # 装配：页脚/色带/面板/各页 renderer + build()
  build/extract.py       # 矢量路径 → 数值（含标定与三路校验）
  out/*.html / *.pdf / *.pptx / csv/*.csv

本地许可

MIT-0 · Copyright (c) 2026 王东杰 (Wang Dong Jie) · yjkj999999