PDF-Bookmark

网络下载的pdf书籍很多都没有大纲信息，当然可以使用Adobe Acrobat Reader软件添加目录结构，但当书籍章节很多时这样颇为耗时。为解决此痛点，本项目可半自动给pdf书籍添加目录大纲结构。

功能

本项目实现了给pdf书籍添加书签的功能。

使用步骤

1. 安装依赖库 pip install -r requirements.txt

2. 制作pdf目录页码索引.txt文件

   格式：[缩进]@[章节标题]@[页码]， 样例如下

   #@content@-7
   #@1 Introduction@1
   ##@1.1 A Universal Task: Pursuit of Low-Dimensionality@1
   #@2 Sparse Signal Models@33

   其中#数目表示层级，如#表示一级标题，##表示二级标题；@为分隔符，第一个@后为章节名称，第二个@后为页码数。

   注意：可通过QQ ocr辅助制作该文件，后面会介绍

3. 修改配置文件info.ini

   [info]
   pdf_path = C:\Users\ahou\Desktop\book.pdf
   bookmark_path = C:\Users\ahou\Desktop\bookmark.txt
   page_offset = 26
   new_pdf_path = C:\Users\ahou\Desktop\new_book.pdf

   bookmark_path 为步骤1中生成的文件路径；pdf_path和new_pdf_path分别为待处理pdf文件和处理后新文件保存路径；page_offset为显示页码和实际页码差。书籍一般从正文开始记页，但在该页前面可能会有目录、前言、封面等信息，这部分页码数即为page_offset。

4. 运行main.py文件

使用QQ OCR辅助制作书签索引

可以使用qq功能键ctrl+alt+o OCR识别pdf目录，生成对应文本。然后在notepad++中编辑格式，使用正则表达式进行快捷替换，常用替换规则如下：

1. 替换页码前的换行回车为@：([a-z])\r\n([1-9][0-9]) --> \1@\2

   # before
   chapter 1 Introduction
   50
   
   # after
   chapter 1 Introduction@50

2. 替换目录名称前的换行回车为空格：(\.[1-9])\r\n([A-Z]) --> \1 \2

   # before
   1.1.1
   Background
   
   # after
   1.1.1 Background

3. 替换一级标题后面的换行回车为空格：(\r\n[1-9]+)\r\n([A-Z]) ---> \1 \2

   # before
   1
   Background
   
   # after
   1 Background

4. 标题添加缩进

   • 一级标题：\r\n([1-9]+ [A-Z]) ---> \r\n#@\1
   • 二级标题：\r\n([0-9]+\.[0-9]+ [A-Z]) ---> \r\n##@\1
   • 三级标题：\r\n([0-9]+\.[0-9]+\.[0-9]+ [A-Z]) ---> \r\n###@\1
   • 剩余无缩进的添加一级缩进