文章目錄

• 半自動化給PDF加書簽-Python實現-上篇
• • 一、PDF加書簽介紹
  • • 1.1 不那么漂亮的話
    • 1.2 PDF加書簽難點
    • • 1.2.1 書簽獲取
      • 1.2.2 書簽格式化
    • 1.3 工具使用限制
  • 二、使用方式
  • • 2.1 工具介紹
    • 2.2 半個圖形化界面---可雙擊執行
    • 2.3 命令行
    • 2.4 下載鏈接
  • 三、代碼實現
  • 四、TODO

半自動化給PDF加書簽-Python實現-上篇

一、PDF加書簽介紹

1.1 不那么漂亮的話

本工具只進行書簽部分格式化和加書簽操作，書簽獲取需要配合其它工具

最終書簽效果因人而異，程序只能格式化最常見的層級，畢竟是半自動的

最好了解一定正則和列操作，不了解的話可能要多手工重復一些操作

是大佬，可以不用看了

相比現有工具，沒有太大優勢，最初只是個人使用

反反復復改了一星期，差不多能用了，雖然代碼依然很爛

1.2 PDF加書簽難點

1.2.1 書簽獲取

一般需要加書簽的，大多是掃描版書籍，而市面上絕大多數掃描版書籍均出自超星公司(讀秀和全國圖書參考聯盟都是他家的)，為了方便學術檢索，超星有對目錄進行提取，如下圖。

? 額，然后有人分析出了超星書簽的接口，做成了書簽獲取工具，如下圖，通過它能獲取大多數書的書簽。

但檢索一本書的書簽，需要知道書在超星的內部編號，上圖書簽獲取工具填的就是那個編號

• SSID( Super Star ID，超星英文簡寫)

  書簽接口是超星開發的，其中檢索每本書的書簽不是通過ISBN或書名，而是其內部定義的編號SSID,這個SSID可以油猴腳本獲取，推薦文獻互助小幫手這個腳本，讀秀和全國圖書參考聯盟都可以獲取SSID，但在裝油猴腳本前需要裝油猴插件

  裝好的油猴插件、油猴腳本

如果書簽工具也沒有那本書的書簽，怎么辦？

• 這篇博客 下載超星或讀秀圖書時，怎么搞定完整書簽? 講的可以，不重復了，主要是在各出版社官網，電商網站，豆瓣找，直接Google書簽里面的內容，層級深一點的那個，實在沒有就OCR書里面的目錄部分再整理

推薦閱讀，上面的內容主要參考這三篇文章

• 文獻互助小幫手：https://greasyfork.org/zh-CN/scripts/435569-%E6%96%87%E7%8C%AE%E4%BA%92%E5%8A%A9%E5%B0%8F%E5%B8%AE%E6%89%8B-%E4%BB%8E%E5%9B%BE%E4%B9%A6%E9%A6%86%E5%8F%82%E8%80%83%E5%92%A8%E8%AF%A2%E8%81%94%E7%9B%9F-ucdrs-%E6%88%96%E8%AF%BB%E7%A7%80-duxiu-%E8%8E%B7%E5%8F%96ssid-dxid-%E4%BB%8E%E4%B8%AD%E7%BE%8E%E7%99%BE%E4%B8%87-cadal-%E8%8E%B7%E5%8F%96ssno-%E6%8F%90%E4%BE%9Bucdrs-duxiu-cadal%E5%88%B0%E8%B1%86%E7%93%A3%E5%9B%BE%E4%B9%A6%E7%9A%84%E9%93%BE%E6%8E%A5
• 淘寶書商為啥什么書都能找到：揭秘代找PDF背后的真相 ：https://mp.weixin.qq.com/s/7SX-Oztgx2q76AN5YpntTA
• 下載超星或讀秀圖書時，怎么搞定完整書簽? ：https://blog.csdn.net/youthlzu/article/details/24514703

1.2.2 書簽格式化

? ==最初獲取的書簽結構化程度，很大程度決定了后期格式化用的時間。==根據經驗，書簽格式化有三個小點，書簽層級、每級書簽樣式和頁碼偏移。

• 書簽層級

  ? 以《人工智能在信用債投資領域的應用 Python語言實踐》(SSID: 14545152)這本書為例，見下圖，這是從書簽獲取小工具2015.05.05【晴天軟件】獲得的初步整理的書簽。另外規定對于書簽的層級一律以Tab來區分，一級書簽前面沒有Tab，二級書簽前面有1個Tab，三級書簽則有2個Tab

  ? 從中可以看出，除對一級書簽（即按章開頭的那個第*章），其它書簽均格式化為二級書簽，其中標注的第6行和第31行應分別為三級書簽和一級書簽，如下圖為修正好的書簽

• 每級書簽樣式

  ? 還是以同一本書為例看書簽樣式問題，注意第4行，第2章 機器學習，標號與標題中間有兩個空格;第6行，2.1.1有監督機器學習，標號與標題中間則沒有空格;第11行，第3章 基于TensorFlow用Keras做深度學習，里面的英文單詞是應該首字母大寫還是按原樣輸出，后面的附錄那節同第一個問題。

  ? 這個按照每個人的審美不同，具體怎么弄，得看你們自己的選擇

  ? 個人的審美是，標號與標題之間只留一個空格，英文單詞全部統一成小寫，雖然按原樣輸出就挺不錯的，但加了這么多PDF的書簽，最終還是選擇統一單詞的風格，結果如下圖

• 頁碼偏移

  ? 超星的書簽應該也是從目錄這部分OCR提取的，見下圖，但其中的頁碼和實際的頁碼有偏移（因為目錄里面的頁碼是從正文開始算的，而實際的書簽引用頁碼必須是從第一開始的絕對頁碼），第二章在目錄里是頁碼是6，而實際絕對頁碼是16，二者相差10，加書簽時必須補上這個頁碼，見第二張圖。

  ? 所有正文之后的頁碼必須+10進行修正，如下圖

1.3 工具使用限制

? 在最開始已經介紹，本工具只能進行書簽部分格式化，還有一部分是需要手工操作的，特別是對于從非書簽獲取小工具2015.05.05【晴天軟件】獲得的書簽，程序處理會有很大問題，，，

• 從書簽獲取小工具2015.05.05【晴天軟件】獲取書簽

  ? 如下圖紅框，書簽層級是通過數字標號來定位的，但如下圖框中，書簽部分前面沒有標號，所以沒辦法分層級。**最后的處理辦法是對所有不能通過其特定標識分層級的，全部默認分到二級書簽。**之后就得自己去修正正確的層級。

• 從其它處獲得的書簽

  ? 如下圖，一些新書是沒有錄入庫的，只能從其它地方拿書簽了。

  ? 下面是從京東商城的商品界面，可以看到目錄，

  ? 復制到TXT文檔里面，可以發現其中標簽與頁碼之間有點符號，另外還有空行，如果需要用這個書簽的話，這個需要把里面的點符號還有空行刪了，這個需要用到正則表達式進行替換，不過注意別把書簽的數字標號之間的點刪除了。

  ? 試著把這個txt格式化一下，如圖，箭頭所指的點沒刪除，后面有時間再優化這個問題了。

二、使用方式

2.1 工具介紹

工具結構

#目錄樹 . ├── Config │ └── config.yaml #配置文件 ├── Notepad3 │ ├── Notepad3.exe #協同工具-文本編輯器 │ ├── Notepad3.ini │ └── lng │ ├── np3lng.dll │ └── zh-CN │ └── np3lng.dll.mui ├── format_bookmark.py #代碼-格式化書簽 ├── pdf_add_bookmark_semi.exe #代碼-打包的exe ├── pdf_add_bookmark_semi.py #代碼-加書簽 └── 書簽獲取小工具2015.05.05【晴天軟件】.exe #協同工具-書簽獲取工具

主要是三部分：代碼（format_bookmark.py、pdf_add_bookmark_semi.py、pdf_add_bookmark_semi.exe）、配置文件（Config/config.yaml）、以及協同工具（Notepad3/Notepad3.exe、書簽獲取小工具2015.05.05【晴天軟件】.exe）

• 代碼

  一個用來格式化書簽format_bookmark.py，另一個用來加書簽pdf_add_bookmark_semi.py，最終打包成pdf_add_bookmark_semi.exe，具體分析見第三節

  主要實現功能

• 可加4級書簽
• 書簽格式化規則可自己配置

• 配置文件

  Config/config.yaml，里面用于配置編輯器的啟用、使用哪個編輯器、首字母是否小寫、以及最重要的書簽格式化規則，具體的看配置文件吧

• 協同工具

  協同工具一個是文本編輯器Notepad3也就是上圖所示的軟件，另一個是書簽獲取小工具2015.05.05【晴天軟件】.exe），第一節也介紹了，不過這個軟件會報毒，加了VMP的殼，這軟件我也不知道是誰寫的，，，應該沒毒吧，15年開發的，很多人也用了很久了。如果被殺軟殺了，記得加信任區。

2.2 半個圖形化界面—可雙擊執行

SS號

? 上面有介紹通過油猴腳本獲取的方式，這里再介紹一個網站：http://115.159.153.83:19777/index.html

在上面直接搜索書名，可獲得ss號。

書簽獲取

務必保存到要加書簽的pdf的那個文件夾，另外txt文件名要與pdf相同

加書簽

雙擊pdf_add_bookmark_semi.exe,會彈出控制臺界面

用法，上面也提了，要輸入書簽文件名（txt那個文件）、正文頁偏移以及目錄頁碼（這個參數可選）

直接將txt書簽文件拖到控制臺界面，然后填好頁偏移10

書簽和頁偏移之間要留空格

回車，會進行初步格式化，然后彈出書簽編輯頁面，之后進行修正

附錄那要改成一級書簽，并去掉多余空格，書簽規定看1.2.2書簽格式化那節

按上圖改完之后，記得關閉編輯器，然后到了加書簽界面，輸入y是加，n是不加書簽

輸入y，回車加書簽（記得加書簽的時候，pdf不能被其它應用使用）

按回車，退出，一切OK

加書簽的程序也能發送到桌面，創建快捷方式，直接雙擊

2.3 命令行

和上面一樣的，只是前面多了執行的解釋器和py文件

python pdf_add_bookmark_semi.py "C:\Users\acer\Desktop\Notes\安全\Blog\test\人工智 能在信用債投資領域的應用 Python語言實踐.txt" 10

另外注意安裝Python模塊pikepdf、colorama

2.4 下載鏈接

Github https://github.com/Davy-Zhou/pdf_add_bookmark_semi

三、代碼實現

下次吧，寫文檔也累了

四、TODO

• 書簽獲取有點花時間，爭取下次自動化獲取
• 書簽頁碼偏移部分可自動識別
• 界面美化
• 書簽格式化規則更新

總結

以上是生活随笔為你收集整理的半自动化给PDF加书签-Python实现-可双击执行-上篇的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。