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]]- 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.
- 字符串"目录"是书签的名字。
- 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:
- 先在每一行前面增加一个“;” 。在vim中是执行:s/^/;/g
- 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。
- 修改书签跳转页码，每个页码增加一个数字。参看前面。
- 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
- 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。
- 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()
