用python和FreePic2Pdf工具手把手教你生成扫描版PDF文档的目录
在互联网上获取一本电子书进行查看时发现一个问题： hundreds of pages 的电子书中竟然没有 目录 ，想要找到感兴趣的部分就必须手动翻阅每一页。看到这种情况心情就会有些崩溃。我也遇到过类似的情况： many 下载下来的 pdf 文件都是 scan 版本, 通常是没有 目录 的。这种情况下确实会让人感到麻烦, 因此必须寻找一些便捷的方法来获取电子书 目录 。考虑到资源有限的情况下无法获取 原版 书籍, 所以只能依靠一些巧妙的小窍门来完成这项任务。
目录
补充
补充
- Python 导出 PDF 中目录/书签
- FreePic2Pdf工具生成PDF文档目录
-
- 1. 软件下载
- 2. 将书籍的目录挂载到pdf步骤
-
- 2.1 打开软件FreePic2PDF，点击右下角“更改pdf”
- 2.2 选择“从PDF取书签”→需要操作的pdf文件→点击开始
- 2.3 复制PDF目录页面所有目录说明到文本编辑
- 2.4 将书签挂到pdf中
利用python生成PDF文档目录
以下将介绍一种专为程序员设计的工具。它仅需具备 Python 编程环境即可使用，并无需额外安装第三方 PDF 软件。
事前准备:安装 python 第三方库 PyPDF2
首先安装 python 第三方库 PyPDF2：pip install PyPDF2
注意：原版 PyPDF2 在读取某些 PDF 时存在 bug，
按照该链接https://github.com/mstamy2/PyPDF2/issues/368中描述的方法对源代码进行优化，即将 ${PYTHON_PATH}/site-packages/PyPDF2/pdf.py 中的
dest = Destination(NameObject("/"+title + " bookmark"), pageRef, NameObject(fit), *zoomArgs)进行替换。具体来说，
将上述代码行替换为
dest = Destination(NullObject(), pageRef, NameObject(fit), *zoomArgs)
然后创建包含以下代码的脚本（假设命名为 PDFbookmark.py）：
import re
import sys
from distutils.version import LooseVersion
from os.path import exists, splitext
from PyPDF2 import PdfFileReader, PdfFileWriter
is_python2 = LooseVersion(sys.version) < '3'
def _get_parent_bookmark(current_indent, history_indent, bookmarks):
assert len(history_indent) == len(bookmarks)
if current_indent == 0:
return None
for i in range(len(history_indent) - 1, -1, -1):
# len(history_indent) - 1 ===> 0
if history_indent[i] < current_indent:
return bookmarks[i]
return None
def addBookmark(pdf_path, bookmark_txt_path, page_offset):
if not exists(pdf_path):
return "Error: No such file: {}".format(pdf_path)
if not exists(bookmark_txt_path):
return "Error: No such file: {}".format(bookmark_txt_path)
with open(bookmark_txt_path, 'r', encoding='utf-8') as f:
bookmark_lines = f.readlines()
reader = PdfFileReader(pdf_path)
writer = PdfFileWriter()
writer.cloneDocumentFromReader(reader)
maxPages = reader.getNumPages()
bookmarks, history_indent = [], []
# decide the level of each bookmark according to the relative indent size in each line
# no indent: level 1
# small indent: level 2
# larger indent: level 3
# ...
for line in bookmark_lines:
line2 = re.split(r'\s+', unicode(line.strip(), 'utf-8')) if is_python2 else re.split(r'\s+', line.strip())
if len(line2) == 1:
continue
indent_size = len(line) - len(line.lstrip())
parent = _get_parent_bookmark(indent_size, history_indent, bookmarks)
history_indent.append(indent_size)
title, page = ' '.join(line2[:-1]), int(line2[-1]) - 1
if page + page_offset >= maxPages:
return "Error: page index out of range: %d >= %d" % (page + page_offset, maxPages)
new_bookmark = writer.addBookmark(title, page + page_offset, parent=parent)
bookmarks.append(new_bookmark)
out_path = splitext(pdf_path)[0] + '-new.pdf'
with open(out_path,'wb') as f:
writer.write(f)
return "The bookmarks have been added to %s" % out_path
if __name__ == "__main__":
import sys
args = sys.argv
if len(args) != 4:
print("Usage: %s [pdf] [bookmark_txt] [page_offset]" % args[0])
else:
print(addBookmark(args[1], args[2], int(args[3])))
AI助手在大多数情况下，默认将 page_offset 设置为 0 是合理的。除非遇到特定场景，在 PDF 文件中的目录页码与实际页面存在固定偏移时（通常是一个固定的偏移），此时只需将 page_offset 调整为该偏差值即可。
添加书签/目录
创建一个新的 txt 文件，并将其命名为 toc.txt；然后在其中手动输入待添加的目录项；如果需要，则可直接从文本型 PDF 中复制出对应的目录列表；按照以下统一格式进行组织：
Introduction 14
I. Interview Questions 99
Data Structures 100
Chapter 1 | Arrays and Strings 100
Hash Tables 100
StringBuilder 101
Chapter 2 | Linked Lists 104
Creating a Linked List 104
The "Runner" Technique 105
Additional Review Problems 193
AI助手唯一的要求是让每条记录的最后一位成为对应的页码位置，并且同一层级的书签应具有相同的缩进（使用空格或Tab）。
注意
注意
注意
在第 ① 步生成的PDFbookmark.py文件所在目录中启动终端/命令提示符，并通过以下代码即可完成任务。
其中最后一个参数 9 表示将 toc.txt 文件中的页码全部偏移 +9（即全部加上 9）
AI助手 python ./PDFbookmark.py '/Users/Emrys/Desktop/demo 2015.pdf' '/Users/Emrys/Desktop/toc.txt' 9
AI助手运行完成后，在目标PDF文件及其子文件夹中会自动生成一个新文件。命名为[原始文件名]-new.pdf。举例如下：
【补充】：可能存在的问题
问题一：ValueError: {’/Type’: ‘/Outlines’, ‘/Count’: 0} is not in list
当某个PDF文件在经过其他PDF编辑器软件进行目录/书签修改后进行操作时，可能会导致类似以下情况出现：
Traceback (most recent call last):
File ".\PDFbookmark.py", line 70, in <module>
print(addBookmark(args[1], args[2], int(args[3])))
File ".\PDFbookmark.py", line 55, in addBookmark
new_bookmark = writer.addBookmark(title, page + page_offset, parent=parent)
File "C:\Anaconda3\lib\site-packages\PyPDF2\pdf.py", line 732, in addBookmark
outlineRef = self.getOutlineRoot()
File "C:\Anaconda3\lib\site-packages\PyPDF2\pdf.py", line 607, in getOutlineRoot
idnum = self._objects.index(outline) + 1
ValueError: {'/Type': '/Outlines', '/Count': 0} is not in list
AI助手在这种情况下，请您指导如何对 PyPDF2 源码中 pdf.py 文件中的 getOutlineRoot() 函数进行优化。其中源码的位置位于 $PythonPath/-site-packages/PyPDF2/pdf.py$
def getOutlineRoot(self):
if '/Outlines' in self._root_object:
outline = self._root_object['/Outlines']
try:
idnum = self._objects.index(outline) + 1
except ValueError:
if not isinstance(outline, TreeObject):
def _walk(node):
node.__class__ = TreeObject
for child in node.children():
_walk(child)
_walk(outline)
outlineRef = self._addObject(outline)
self._addObject(outlineRef.getObject())
self._root_object[NameObject('/Outlines')] = outlineRef
idnum = self._objects.index(outline) + 1
outlineRef = IndirectObject(idnum, 0, self)
assert outlineRef.getObject() == outline
else:
outline = TreeObject()
outline.update({ })
outlineRef = self._addObject(outline)
self._root_object[NameObject('/Outlines')] = outlineRef
return outline
AI助手问题二：RuntimeError: generator raised StopIteration
如果在进行了上述调整后，在执行脚本时触发了RuntimeError: generator raised StopIteration错误，请核实当前使用的Python版本是否为3.7及以上（因为自Python 3.7版本起对处理生成器终止迭代的行为进行了重大修改，请参见PEP 479），如果是，则建议尝试使用Python 3.6或更低版本来重新运行该代码。
Python 导出 PDF 中目录/书签
import sys
from distutils.version import LooseVersion
from os.path import exists
from PyPDF2 import PdfFileReader
is_python2 = LooseVersion(sys.version) < '3'
def _parse_outline_tree(outline_tree, level=0):
"""Return List[Tuple[level(int), page(int), title(str)]]"""
ret = []
for heading in outline_tree:
if isinstance(heading, list):
# contains sub-headings
ret.extend(_parse_outline_tree(heading, level=level+1))
else:
ret.append((level, heading.page.idnum, heading.title))
return ret
def extractBookmark(pdf_path, bookmark_txt_path):
if not exists(pdf_path):
return "Error: No such file: {}".format(pdf_path)
if exists(bookmark_txt_path):
print("Warning: Overwritting {}".format(bookmark_txt_path))
reader = PdfFileReader(pdf_path)
# List of ('Destination' objects) or ('Destination' object lists)
# [{'/Type': '/Fit', '/Title': u'heading', '/Page': IndirectObject(6, 0)}, ...]
outlines = reader.outlines
# List[Tuple[level(int), page(int), title(str)]]
outlines = _parse_outline_tree(outlines)
max_length = max(len(item[-1]) + 2 * item[0] for item in outlines) + 1
# print(outlines)
with open(bookmark_txt_path, 'w') as f:
for level, page, title in outlines:
level_space = ' ' * level
title_page_space = ' ' * (max_length - level * 2 - len(title))
if is_python2:
title = title.encode('utf-8')
f.write("{}{}{}{}\n".format(level_space, title, title_page_space, page))
return "The bookmarks have been exported to %s" % bookmark_txt_path
if __name__ == "__main__":
import sys
args = sys.argv
if len(args) != 3:
print("Usage: %s [pdf] [bookmark_txt]" % args[0])
else:
print(extractBookmark(args[1], args[2]))
AI助手以上代码来源【侵删】：
链接：https://www.zhihu.com/question/344805337/answer/1116258929
来源：知乎
FreePic2Pdf工具生成PDF文档目录
1. 软件下载
下载地址(https://pan.baidu.com/s/1kVHzVmf)密码:at9e
【注：该链接为VIP专属博文批量给pdf添加目录(最完整详细方法)提供，侵删】
软件面貌：
2. 将书籍的目录挂载到pdf步骤
2.1 打开软件FreePic2PDF，点击右下角“更改pdf”
2.2 选择“从PDF取书签”→需要操作的pdf文件→点击开始
该工具将在当前PDF文件及其目录中自动生成一个名为"Bookmarks"的配置文件夹，在此夹中包含了两个关键的ITF格式文档："FreePic2Pdf.itf"以及对应的 bookmarks.txt 文件。
这些*.txt 文件主要用于存储 PDF 文件中的链接设置信息，在没有相关链接配置的情况下，默认状态下这些 files 会保持为空状态或者仅包含一些基础的 bookmarks.
2.3 复制PDF目录页面所有目录说明到文本编辑
接下来将PDF文档中的目录页面上的所有 directories 信息复制到文本编辑区域中，并使用的是Notepad++这一款文本编辑工具。
格式一定要对，特别是页码和节标题之间是tab键，各级目录之间要正确！！！（这是最麻烦的一步，但是肯定比自己一个个搞书签快）如下：
请将按规范整理好的文本导入到FreePic2Pdf_bkmk.txt文件中提取并生成书签文件。
2.4 将书签挂到pdf中
通过直接点击PDF文档并将其书签设置为跨页面链接的方式完成操作（此时需要确保该PDF文档已关闭）。请先打开文件并检查目录条目是否已成功添加。如果未能成功或存在一些不正确的地方，请稍作调整以解决问题。通常情况下这种情况可能源于TXT文件中的数据格式存在差异，请稍作调整。
如下添加成功了，哈哈哈~~~~~~
