使用PyPDF2庫給PDF加多級書籤

因為pdf是掃瞄的格式，所以加書籤會很麻煩

可以先使用ocr軟體將目錄中的文字識別

這裡我將目錄處理成兩個檔案

bookmark.txt存放分級書籤資訊

page.txt存放對應的頁數

注意：頁數和實際書籍頁數可能會不一致（例如pdf頁碼是從封面開始算的，而書籍的第一頁並不算封面和內容）

我們可以編寫如下**：

# 按行讀取兩個檔案

fbookmark = open('bookmark',encoding='utf8').readlines()
page = open('page').readlines()
# 建立（幾級書籤，標題，頁碼）元組
bookmark = [(content.rfind('|') + 1,
content.strip()[content.rfind('|') + 1:],
int(p.strip())
) for content,p in zip(fbookmark,page)]
from pypdf2 import pdffilereader, pdffilewriter
# 開啟檔案
input = pdffilereader(open('input.pdf', 'rb'))
# 複製檔案
output = pdffilewriter()
pages = [input.getpage(i) for i in range(input.getnumpages())]
for page in pages:
output.addpage(page)
parent_set = {}
delta = 12 # 偏移量
# 建立分級書籤（注1）
for bm in bookmark:
# 將字典中小乙個等級的書籤當做父節點
parent = output.addbookmark(bm[1],
bm[2] + delta,
parent=parent_set.get(bm[0]-1))
# 向自己作為字典中該等級的節點
parent_set[bm[0]] = parent
with open('result.pdf','wb+') as f:
output.write(f)

效果如下：

(用於解析目錄，自動新增|分隔符)

with open('bookmark','r',encoding='utf8') as f:

c = f.readlines()
with open('bookmark2','w+',encoding='utf8') as output:
for line in c:
if line[0].isnumeric():
if line[1] == '.' and line[2].isnumeric():
output.write('|')
if line[3] == '.' and line[4].isnumeric():
output.write('|')
output.write(line)

Python利用PyPDF2庫獲取PDF檔案總頁碼

python中可以利用pypdf2庫來獲取該pdf檔案的總頁碼，可以根據下面的方法一步步進行下去 1 首先，要安裝pypdf2庫，利用以下命令即可 pip install pypdf22 接著，就是直接編寫 了，其中我新建了乙個py檔案，名為file utils.py，如下 from pypdf2 ...

pyPdf和pyPdf2在合併pdf時的那個異常

當乙個pdf檔案有多page的時候，它將出來見你！方法是取直接修改那個檔案generic.py 1 pypdf 路徑大約在這裡 usr lib python2.7 site packages pypdf generic.py if data.has key key multiple definiti...

Python中用PyPDF2拆分pdf提取頁面

有時候我們只需要pdf中的幾頁，或許還想把這幾頁內容整合成新的pdf，那該怎麼做呢？準備工作 安裝擴充套件庫pypdf2，參考命令 pip install pypdf2 如下 from pypdf2 import pdffilereader,pdffilewriter defsplit pdf fi...