基于Python半自动化给PDF加书签+源代码+文档说明

[toc] # 半自动化给PDF加书签-Python实现-可双击执行-上篇  **下载链接**：https://github.com/Davy-Zhou/pdf_add_bookmark_semi/releases/download/v0.60/pdf_add_bookmark_semi.v0.60.zip ## 零、功能更新&Bug修复 `Bug或新功能，最好在Github里的issue里面提,要提新功能代码，欢迎提PR,其它平台不一定能及时看到，github 有邮件通知`:handshake: - [x] **2022-11-22** - [x] 针对页偏移无法识别时，**增加页偏移输入选项**，无需重开程序  - [x] 针对**多个PDF要加书签**情况，完成一个PDF加书签后，无需重开，回车即可给下一个PDF加书签  - [x] **书签格式化库规则更新**  - [x] **2022-8-17** - [x] **增加多级书签无前置书签和书签层级不连续提示:bug:** - [x] **提高容错性，非命令行下，显示报错提示**:bug: - [ ] **dll不单独进打包exe，提升启动速度🐎** - [x] **2022-8-15** - [x] **新的打包方式，依赖有问题，改用旧的打包方式:bug:**  - [x] **2022-8-14** - [x] **完成书签获取自动化:sparkles:** - [x] **可自动识别部分PDF页偏移:sparkles:** - [x] **改用新打包方式，exe体积更小，速度更快:sparkles:** - [ ] **2022-8-1** - [x] **加书签时，增加清空原有书签选项:sparkles:** - [ ] **检测页码合法性，是否超出pdf页数** - [ ] **相关容错改进** - [ ] **2022-8-3** - [ ] **bug 参数解析依赖**  - [ ] - [ ] **2022-8-4** - [ ] **所有判断做充分性测试** ```markdown ``` - [ ] **2022-8-9 着重新功能，性能优化，非严重容错问题暂时不修** - [ ] **自动化获取书签** ```markdown # PyAutoGui or pywin 模拟点击 # 读秀WEB JS逆向书签接口 # 书签获取软件逆向接口 ``` - [ ] **加书签性能优化** ````markdown # 尝试extend()方法 2022年8月9日02:15:59 1. ```python outline.root.extend([ # Page counts are zero-based OutlineItem('Section One', 0), OutlineItem('Section Two', 2), OutlineItem('Section Three', 8) ]) main_item = OutlineItem('Main', 0) outline.root.append(main_item) main_item.children.append(OutlineItem('A', 1)) # 还落是明天弄了，想睡觉了 2022年8月10日02:28:55 # 这个耗时不算太多，先弄书签获取 MuPDF已完成 \学习\mupdf_add_bookmark.py ``` # PyPDF2竟然更新了，试一下，额，WPS PDF差1的问题还是存在 # 使用Mupdf，及其它PDF操作Python库 # C pdf lib ````  - [ ] **打包exe优化** ```markdown # niutika # # ``` - [ ] ## 一、PDF加书签介绍 ### 1.1 不那么漂亮的话 1. ==本工具只进行**书签部分格式化和加书签操作**，**书签获取需要配合其它工具**== 2. 最终书签效果因人而异，程序只能格式化最常见的层级，毕竟是半自动的 3. ==最好了解一定正则和列操作==，不了解的话可能要多手工重复一些操作 5. ==相比现有工具，没有太大优势，最初只是个人使用== 6. 反反复复改了一星期，差不多能用了，虽然代码依然很烂 ### 1.2 PDF加书签难点 #### 1.2.1 书签获取 一般需要加书签的，大多是扫描版书籍，而市面上绝大多数扫描版书籍均出自**超星公司(读秀和全国图书参考联盟都是他家的)**，为了方便学术检索，超星有对目录进行提取，如下图。    ​ 额，然后有人分析出了超星书签的接口，做成了书签获取工具，如下图，**通过它能获取大多数书的书签**。   但检索一本书的书签，需要知道书在超星的内部编号，上图书签获取工具填的就是那个编号 - **SSID( Super Star ID，超星英文简写)** 书签接口是超星开发的，其中检索每本书的书签不是通过ISBN或书名，而是其内部定义的编号**SSID**,这个SSID可以**油猴脚本**获取，推荐[文献互助小帮手](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)这个脚本，读秀和全国图书参考联盟都可以获取SSID，但在装油猴脚本前需要装[油猴插件](https://zhuanlan.zhihu.com/p/128453110)   装好的**油猴插件、油猴脚本**  **如果书签工具也没有那本书的书签，怎么办？** - 这篇博客 [下载超星或读秀图书时，怎么搞定完整书签?](https://blog.csdn.net/youthlzu/article/details/24514703) 讲的可以，不重复了，主要是在~~各出版社官网，电商网站，豆瓣找~~，直接Google书签里面的内容，层级深一点的那个，实在没有就OCR书里面的目录部分再整理 **推荐阅读，上面的内容主要参考这三篇文章** - 文献互助小帮手：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 - 淘宝书商为啥什么书都能找到：揭秘代找PDF背后的真相 ：https://mp.weixin.qq.com/s/7SX-Oztgx2q76AN5YpntTA - 下载超星或读秀图书时，怎么搞定完整书签? ：https://blog.csdn.net/youthlzu/article/details/24514703 #### 1.2.2 书签格式化 ​ ==最初获取的书签结构化程度，很大程度决定了后期格式化用的时间。==根据经验，书签格式化有三个小点，**书签层级**、**每级书签样式**和**页码偏移**。 - **书签层级** ​ 以《人工智能在信用债投资领域的应用 Python语言实践》(SSID: 14545152)这本书为例，见下图，这是从`书签获取