Mastering PDF Directory Addition with PyPDF2 A Comprehensive Guide

根据您提供的信息，以下是基于 PyPDF2 的 PDF 目录添加方法的详细步骤：

第一步：获取并整理文字版目录

1. 获取目录文本：从书籍的目录页获取文字，可以通过OCR软件识别扫描版的目录页，或者从豆瓣、电商网站、出版商网站等渠道获取文本版目录。

2. 整理目录文本：

   • 将获取的目录文本复制并粘贴到文本编辑器中。
   • 使用文本编辑器的正则表达式功能进行文本格式化，例如删除多余的空格、换行符等。
   • 进行繁体转简体的替换，确保文本一致性。
   • 核对文本，手动修正OCR识别错误。

3. 构建目录文件（bm文件）：

   • 按照指定的格式构建目录文件，其中每一行代表一个目录条目，格式为“层级缩进标题文本 页码”。
   • 使用制表符表示层级结构，第一层级的标题不需要缩进，第二层级的标题缩进一个制表符，以此类推。

4. 调整页码偏移量：使用LaunchBar动作“Page Offset Adjustment for bm”来调整OCR得到的页码与实际PDF页码之间的偏移量。

5. 增加非目录页条目：在bm文件中增加封面、版权、前言、目录等不在目录页中的条目。

第二步：将文字版目录注入PDF文件

1. 准备环境：确保设备上安装了Python3和PyPDF2库。

2. 执行动作：

   • 在LaunchBar中选中bm文件和PDF文件。
   • 运行LaunchBar动作“Bookmark to PDFdir via pyPDF2”。

3. 检查结果：动作成功运行后，会在原PDF所在的文件夹下生成一个新的带目录的PDF文件，并自动打开。检查生成的目录是否能够正确跳转到对应的内容。

小结：书籍PDF目录制作指引

• 逐页复制目录页文字进空白文档。
• 进行文本格式化，包括繁体转简体、删除行内空白字符等。
• 手动修正OCR错误，补充篇章页码（若篇章无页码）。
• 使用正则表达式调整层级结构，添加章节后的空格。
• 核对目录文字，调整页码偏移量。
• 增加不在目录页中的条目，保存bm文件。
• 依次选中bm、PDF文件，运行LaunchBar动作。
• 检查生成的PDF目录是否对应。

在整个过程中，注意在执行全局替换之前确认文本内容，避免错误。这些步骤将帮助您创建一个结构化良好且功能完整的PDF目录。

read more

Views: 0