PDF根据目录信息格式化并生成大纲标签

工具

freepic2pdf
vscode

提取pdf标签信息

提取出两个文件。

itf文件里修改目录起始页码，如：此pdf第14页对应书籍的第一页。

将BasePage改为对应的起始页码。

txt文件内就是目录信息，接下来先要在网上（如豆瓣）找到对应书籍的目录信息，当然也可以使用OCR扫描目录生成对应文字信息。

但此格式不符合我们的需要，因此要重新格式化。

格式化目录信息

vscode打开提取出来的FreePic2Pdf_bkmk.txt文件，并将目录信息复制进去。
我们需要的格式为：

格式化后：
第一部分 标 题    9
    第1章 标题    10
        1.1 标题    11
            1.1.1 标 题    12

几个要点：

1. 章节（小节）数和章节（小节）名之间有一个空格
2. 章节（小节）名和页码之间一个制表符（\t）
3. 每一个子章节（小节）比上一层级多一个制表符（\t）

初始格式化

由于网络上能找到的目录格式混杂，因此直接全部初始化为基本格式。

页码

正则表达式查找

(\d{1,3})$

//行尾匹配，寻找行末有1到3个数字结尾的数字，并且括号内的为分组1

替换

\t$1

//替换为一个制表符，$1代表括号内的分组1

一级标题

一般为“第X章”。
正则查找

^(第(\d|\D)+章)

如果是“第一部分”这类格式，也可为

^(第.*部分)

替换为

$1 

//$1代表括号内的第一个分组
//注意$1后有一个空格

三级标题

行头匹配，因此倒序替换（先三级标题，后二级标题，如有更多级标题也是从后往前匹配替换）。
“1.1.1”类型格式
正则匹配

^(\d+\.\d+\.\d+)

替换

\t\t$1 

//三级标题有两个制表符，并且最后有一个空格

“一、二、三、”类型格式
正则匹配

^(.|..)、

替换

\t\t$1、 

二级标题

正则匹配

^(\d+\.\d+)

替换

\t$1 

//二级标题有一个制表符，且最后有一个空格

成品展示

合并目录标签

使用freepic2pdf，更改pdf，挂载书签。
注意如果pdf在其他软件中打开，先关闭之后再进行挂载。

最终成果展示

扩展阅读

PdgCntEditor教程
Pdf补丁丁（根据文档结构自动生成目录）