python:修改pdf的书签

　　我觉得修改pdf书签总体来说最方便的方式就是:

　　　　导出pdf书签为文本文件，修改书签文本文件后再导入到pdf中。

1.直接修改pdf书签

　　python中比较好用的pdf处理的库是pymupdf:

pip install pymupdf　　　　　　　　　　　　　　　　# pip安装pymupdf库

　　让人疑惑的是库名是pymupdf，但是导入库要用 "import fitz"

import fitz　　　　　　　　　　　　　　　　　　 　　# 导入pymupdf库
doc = fitz.open("test.pdf")　　　　　　　　　　  # 获取一个pdf对象
toc = doc.get_toc()　　　　　　　　　　　　　　　　# get_toc()方法获取pdf对象的书签
print(toc)　　　　　　　　　　　　　　　　　　　　　 # toc是一个二维的列表。

　　get_toc()方法获取的书签是一个为二维列表。如果pdf中只有一条书签。获取到书签将会是下面的这种形式:

out[1]:
[[1, '目录', 3]]

1. 上面输出的数字1代表的是书签的缩进级别。这个缩进级别数字是最小是1。如果大于1，比如是2，要求上一个书签的缩进仅别必须要小于或者等于2。根据这个规则，第一个书签的缩进仅别必需要是1.
2. 字符串"目录"是书签的名字。
3. 数字3是书签跳转的页码。

　　知道了toc中数据的意义，我们就可以直接按需要修改书签:

toc[0][1] = 'test'　　　　　　　　　　　　　　 　　# 将书签名字"目录"修改为”test“
out[2]:
[[1, 'test', 3]]　　　　　　　　　　　　　　　　　 # 从终端输出可以看出toc中的数据已经修改成功了
doc.set_toc(toc)　　　　　　　　　　　　　　　　　 # 将修改后的书签数据导入到pdf对象中。
　　　　　　　　　　　　　　　　　　　　　　　　　　　# set_toc()方法具体说是先删除pdf对象的书签数据，再导入给定的书签数据

doc.saveIncr()　　　　　　　　　　　　　　　　　　 # 保存修改到本地pdf文件中，不需要指定路径。

 

2. 导出pdf书签

　　如果pdf中书签很多，直接在命令行中操作很麻烦。最好导出数据为文本文件，在文本文件上手动修改文本文件。又因为书签数据是一个"表格"，即二维列表，比较好的方式是导出为csv格式的文件。

import csv
with open ("toc.csv","w",newline="") as f:
　　writer=csv.writer(f,delimiter=";")　　　　　　　　　　　　　　　　　　 # 在csv中指定用”;“分隔数据
　　writer.writerows(toc)　　　　　　　　　　　　　　　　　　　　　　　　　　# 将一个二维列表一次写入到csv文件中。注意是writerows而不是writerrows。

　　上面代码导出的文件，类似下面的形式:

1;起步;12
2;Git 简史;16
2;Git 基础;16
2;命令行;19

　　书签的缩进仅别不是很直观，不方便修改。最好稍微修改一下代码用四个空格代表缩进:

with open ("toc.csv","w",newline="") as f:
　　writer=csv.writer(f,delimiter=";")
　　for i in toc:
　　　　i[0] = "    "*(i[0]-1)　　　　　　　　　　　　　　　　　　　　　　# 将缩进的数字转换成空格。如果缩进是1，没有空格。如果是2，将2转换成4个空格，以此类推

　　writer.writerows(toc)

　　这样。导出的csv文件是下面这种形式，缩进变得很直观:

;起步;12
    ;Git 简史;16
    ;Git 基础;16
    ;命令行;19

　　更进一步，我们也可以删除第一个“;”，但是没有多大必要。

3. 修改书签文本文件

3.1 修改书签的缩进级别

　　直接修改就好了。但还是有一点技巧。

　　一般的pdf，我们只需要两个级别的缩进就好了。比如说:pdf中有很多章，需要将这些章设为一级书签;每章中有很多小节，将章中的节设为二级书签。

　　此时我们先给每个行前面插入四个空格，然后再删除不需要的缩进。因为章的数目总比节的数目要少。这些都能通过正则替换直接完成，比如在vim中:

:s/^/    ^/g　　　　　　　　　　　　　　# 在每行前面插入四个空格
:s/^\s\+\(;第*\+章\)/\1/g　　　　　　 # 删除部分缩进

3.2 修改书签跳转页码

　　比较常见的情况是，需要将每个书签跳转的页码增加或者减少一个数字。此时，在vim中，可以用n+ctrl+a为每行的第一个数字增加n,n+ctrl+x为每行的第一个数字减少n。也可以在导入书签时在脚本中处理。

　　比如在 豆瓣读书上，我们复制了一本书的目录如下:

第一章 性别“女” 001
消失的声音 003
女孩的游戏 013
让我看见你 022
美丽的脆弱 029

　　上面的页码数字都是"正文页码”，但是正文的第一页常常不是pdf的第一页，此时就需要将上面的页码数字都增加一个固定数字。

3.3 修改复制而来的书签文本。

　　比如我们修改将前面从豆瓣读书上复制来的目录，具体操作步骤是:

1. 先在每一行前面增加一个“;” 。在vim中是执行:s/^/;/g
2. 在后面的数字前面增加一个分号。:s/\(\d\+\)$/;\1/g。直接将空格替换成分号不可行，因为书签名字中间也有空格。
3. 修改书签跳转页码，每个页码增加一个数字。参看前面。
4. 修改缩进。参看前面。

　　我们复制而来的书签千差万别，需要根据实际情况进行修改。

4. 导入书签数据

1. 第一个问题就是，为了直观看到缩进，我们将代表缩进的数字改为了空格。我们需要在导入书签前将这些空格转换成一个数字，或者导入的时转换成数字，才能导入到pdf中。
2. 其次，用csv库读取csv文件为一个列表，一般会将所有字段都视作为一个字符串。pandas读取csv比较方便也更智能，如果csv中某一列所有数据都是数字，将自动视该列为数字而不是字符串。

　　因为前面用的csv库，所以导入数据我们也用csv库。

　　

with open(toc.csv,"r") as f:
    reader = csv.reader(f,delimiter = ";")
　　toc=[]　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 # 定义一个空列表,用来存储书签数据
　　for i in reader :
　　　　toc.append(i)　　　　　　　　　　　　　　　　　　　　　　　　　　　　# 在列表尾部插入数据
　　for i in toc :　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 # 处理toc中数据，如将一些字符串转为数字
　　　　i[2] = int(i[2])　　　　　　　　　　　　　　　　　　　　　　　　　　 # 将每行的第三个字段转换成一个数字
　　　　i[0] = int(i[0].count(" ")/4+1)　　　　　　　　　　　　　　　　　 # 如果toc.csv中的空格没有转换成一个数字执行这一步转换
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　# 统计第一个字段的空格数目，每四个空格将缩进数字加1

    

导入书签的完整代码:

import fitz
import os
import csv

# 默认书签文本文件文件名是"out_toc.txt"
# out_toc.txt中每一行三个字段，第一个字段用每四个空格代表书签的缩进+1
# 默认out_toc.txt和pdf文件在同一目录
# 运行脚本，会提示输入pdf文件路径，可以输入相对路径和绝对路径

def pdf_path():
    pdf=input("输入pdf路径:")
    if pdf[0] == "~" :
        pdf_path = "/home/menghua"+pdf.replace("~","")
    elif pdf[0] == "." :
        pdf_path = os.getcwd() + pdf.replace(".","")
    elif pdf[0] != "/" :
        pdf_path=os.getcwd() + "/" + pdf
    else :
        pdf_path=pdf
    if os.path.exists(pdf_path)  and pdf_path[-3:] == "pdf" :
        print(pdf_path)
        return (pdf_path)
    else :
        print("pdf文件不存在:"+pdf_path)
        return(0)

if __name__ == "__main__":
    pdf_path = pdf_path()
    if pdf_path == 0:
        os._exit()

    toc_path = os.path.dirname(pdf_path) + "/" + "out_toc.txt"
    if os.path.exists(toc_path):
        with open(toc_path,"r") as f:
            reader = csv.reader(f,delimiter = ";")
            toc=[]
            for i in reader:
                toc.append(i)
            for i in toc :
                i[0] = int(i[0].count(" ")/4+1)
                i[2] = int(i[2])
    else :
        print("书签文件(" + "out_toc.txt" + ")不存在。")
    doc = fitz.open(pdf_path)
    doc.set_toc(toc)
    #保存修改
    doc.saveIncr()