使用python给pdf文档自动添加目录书签

1.背景很多时候电子书pdf没有书签目录,阅读起来不方便,于是给它自动加个目录吧2.步骤步骤一:使用ds获取到目录json截图目录,到ds中,然后输入如下提示词:根据目录的图片,提取出如下格式的json目录数据: { title: 第一章 概述, page: 6, childBookmark: [ { title: 1.1.推荐系统简介, page: 7, childBookmark:[] }, { title: 1.2.推荐系统XXX, page: 9 } ] } 所有目录都要递归的加入到子目录中,直到最后一级提取结果如下:[ { title: 第1章 概述, page: 1, childBookmark: [ { title: 1.1 推荐系统简介, page: 1, childBookmark: [ { title: 1.1.1 信息超载, page: 1, childBookmark: [] }, { title: 1.1.2 长尾效应, page: 2, childBookmark: [] }, { title: 1.1.3 推荐系统的价值, page: 3, childBookmark: [] } ] }, { title: 1.2 推荐系统的发展历史, page: 4, childBookmark: [ { title: 1.2.1 典型应用场景, page: 4, childBookmark: [] }, { title: 1.2.2 电商, page: 5, childBookmark: [] }, { title: 1.2.3 新闻, page: 6, childBookmark: [] }, { title: 1.2.4 音乐, page: 7, childBookmark: [] } ] }, { title: 1.3 推荐系统框架, page: 8, childBookmark: [ { title: 1.3.1 用户画像, page: 8, childBookmark: [] }, { title: 1.3.2 项目画像, page: 9, childBookmark: [] } ] }, { title: 1.4 推荐算法分类, page: 10, childBookmark: [ { title: 1.4.1 基于算法思想的分类, page: 10, childBookmark: [] }, { title: 1.4.2 基于应用问题的分类, page: 11, childBookmark: [] } ] } ] }, { title: 第2章 基于领域的协同过滤, page: 16, childBookmark: [ { title: 2.1 协同过滤简介, page: 16, childBookmark: [ { title: 2.1.1 基本思想, page: 16, childBookmark: [] }, { title: 2.1.2 算法分类, page: 17, childBookmark: [] }, { title: 2.1.3 一般流程, page: 17, childBookmark: [] } ] }, { title: 2.2 基于用户的协同过滤, page: 20, childBookmark: [ { title: 2.2.1 Top-N 推荐, page: 20, childBookmark: [] }, { title: 2.2.2 评分预测, page: 23, childBookmark: [] } ] }, { title: 2.3 基于项目的协同过滤, page: 26, childBookmark: [ { title: 2.3.1 Top-N 推荐, page: 26, childBookmark: [] }, { title: 2.3.2 评分预测, page: 29, childBookmark: [] } ] }, { title: 2.4 基于距离的相似度度量, page: 30, childBookmark: [] }, { title: 2.5 邻域的选取, page: 32, childBookmark: [] }, { title: 2.6 Slope One 算法, page: 33, childBookmark: [] }, { title: 2.7 基于二部图的协同过滤, page: 34, childBookmark: [ { title: 2.7.1 激活扩散模型, page: 35, childBookmark: [] }, { title: 2.7.2 物质扩散模型, page: 37, childBookmark: [] }, { title: 2.7.3 热传导模型, page: 39, childBookmark: [] }, { title: 2.7.4 基于图扩散的推荐系统, page: 42, childBookmark: [] } ] }, { title: 习题, page: 43, childBookmark: [] } ] }, { title: 第3章 基于模型的协同过滤, page: 44, childBookmark: [ { title: 3.1 基于关联规则的协同过滤, page: 44, childBookmark: [ { title: 3.1.1 基本概念, page: 45, childBookmark: [] }, { title: 3.1.2 关联规则度量, page: 45, childBookmark: [] }, { title: 3.1.3 Apriori 关联规则挖掘算法, page: 47, childBookmark: [] }, { title: 3.1.4 关联规则的相关分析, page: 48, childBookmark: [] }, { title: 3.1.5 基于关联规则的推荐系统, page: 49, childBookmark: [] } ] }, { title: 3.2 基于矩阵分解的评分预测, page: 50, childBookmark: [ { title: 3.2.1 奇异值分解, page: 50, childBookmark: [] }, { title: 3.2.2 隐语义模型, page: 52, childBookmark: [] }, { title: 3.2.3 概率矩阵分解, page: 57, childBookmark: [] }, { title: 3.2.4 SVD模型, page: 61, childBookmark: [] } ] }, { title: 3.3 基于矩阵分解的 Top-N 推荐, page: 62, childBookmark: [ { title: 3.3.1 基于正样本过采样的矩阵分解, page: 62, childBookmark: [] }, { title: 3.3.2 基于负样本欠采样的矩阵分解, page: 63, childBookmark: [] } ] }, { title: 习题, page: 64, childBookmark: [] } ] }, { title: 第4章 基于内容和知识的推荐, page: 65, childBookmark: [ { title: 4.1 基于内容的推荐系统框架, page: 65, childBookmark: [] }, { title: 4.2 基于词向量空间模型的文本表示, page: 67, childBookmark: [ { title: 4.2.1 词袋模型, page: 67, childBookmark: [] }, { title: 4.2.2 TF-IDF 模型, page: 68, childBookmark: [] }, { title: 4.2.3 模型改进, page: 71, childBookmark: [] }, { title: 4.2.4 向量相似度度量, page: 71, childBookmark: [] } ] }, { title: 4.3 基于语义的内容相似度, page: 72, childBookmark: [ { title: 4.3.1 基于本体的文本相似度, page: 72, childBookmark: [] }, { title: 4.3.2 基于网络知识的文本相似度, page: 73, childBookmark: [] }, { title: 4.3.3 基于语料库的文本相似度, page: 75, childBookmark: [] } ] }, { title: 4.4 基于知识的推荐, page: 77, childBookmark: [ { title: 4.4.1 基于约束的推荐, page: 78, childBookmark: [] }, { title: 4.4.2 基于效用的推荐, page: 81, childBookmark: [] }, { title: 4.4.3 基于实例的推荐, page: 82, childBookmark: [] }, { title: 4.4.4 基于知识库的推荐, page: 84, childBookmark: [] } ] }, { title: 习题, page: 86, childBookmark: [] } ] }, { title: 第5章 混合推荐系统, page: 87, childBookmark: [ { title: 5.1 混合推荐实例——Netflix 百万美金公开赛, page: 87, childBookmark: [] }, { title: 5.2 混合/组合推荐的动机, page: 89, childBookmark: [ { title: 5.2.1 实践经验, page: 89, childBookmark: [] }, { title: 5.2.2 理论依据, page: 90, childBookmark: [] } ] }, { title: 5.3 混合/组合方法分类, page: 92, childBookmark: [ { title: 5.3.1 有监督组合和无监督组合, page: 92, childBookmark: [] }, { title: 5.3.2 基推荐器间依赖关系, page: 93, childBookmark: [] } ] }, { title: 5.4 并行式混合推荐, page: 94, childBookmark: [ { title: 5.4.1 加权式混合, page: 94, childBookmark: [] }, { title: 5.4.2 切换式混合, page: 95, childBookmark: [] }, { title: 5.4.3 排序混合, page: 96, childBookmark: [] } ] }, { title: 5.5 串行式混合推荐, page: 97, childBookmark: [ { title: 5.5.1 级联过滤, page: 97, childBookmark: [] }, { title: 5.5.2 级联学习, page: 98, childBookmark: [] } ] }, { title: 5.6 整体式混合推荐, page: 99, childBookmark: [ { title: 5.6.1 特征组合, page: 99, childBookmark: [] }, { title: 5.6.2 特征扩充, page: 100, childBookmark: [] }, { title: 5.6.3 基于图模型的混合, page: 101, childBookmark: [] } ] }, { title: 习题, page: 102, childBookmark: [] } ] }, { title: 第6章 推荐系统评测, page: 103, childBookmark: [ { title: 6.1 评测视角, page: 103, childBookmark: [] }, { title: 6.2 实验方法, page: 104, childBookmark: [ { title: 6.2.1 在线实验, page: 104, childBookmark: [] }, { title: 6.2.2 用户调查, page: 105, childBookmark: [] }, { title: 6.2.3 离线实验, page: 106, childBookmark: [] } ] }, { title: 6.3 评分预测评价指标, page: 107, childBookmark: [ { title: 6.3.1 MAE 和 MSE, page: 107, childBookmark: [] }, { title: 6.3.2 RMSE、NMAE 和 NRMSE, page: 108, childBookmark: [] } ] }, { title: 6.4 Top-N 推荐评价指标, page: 109, childBookmark: [ { title: 6.4.1 分类准确度指标, page: 109, childBookmark: [] }, { title: 6.4.2 ROC 曲线和 AUC 值, page: 110, childBookmark: [] }, { title: 6.4.3 基于排序的评价指标, page: 113, childBookmark: [] }, { title: 6.4.4 其他常用评价指标, page: 115, childBookmark: [] } ] }, { title: 6.5 公开实验数据集, page: 116, childBookmark: [] }, { title: 习题, page: 118, childBookmark: [] } ] }, { title: 第7章 基于排序学习的推荐, page: 119, childBookmark: [ { title: 7.1 排序学习模型分类, page: 119, childBookmark: [] }, { title: 7.2 对级排序学习模型, page: 121, childBookmark: [ { title: 7.2.1 基本框架, page: 121, childBookmark: [] }, { title: 7.2.2 贝叶斯个性化排序, page: 123, childBookmark: [] }, { title: 7.2.3 协同对级排序学习, page: 125, childBookmark: [] } ] }, { title: 7.3 列表级排序学习模型, page: 129, childBookmark: [ { title: 7.3.1 P-Push CR 算法, page: 129, childBookmark: [] }, { title: 7.3.2 CofiRank 算法, page: 131, childBookmark: [] } ] }, { title: 习题, page: 133, childBookmark: [] } ] }, { title: 第8章 基于情境感知的推荐, page: 134, childBookmark: [ { title: 8.1 情境信息的定义, page: 134, childBookmark: [] }, { title: 8.2 情境信息的获取, page: 136, childBookmark: [] }, { title: 8.3 基于情境感知的推荐系统框架, page: 136, childBookmark: [ { title: 8.3.1 数据立方体, page: 137, childBookmark: [] }, { title: 8.3.2 基于树的层次信息表达, page: 138, childBookmark: [] } ] }, { title: 8.4 融合情境信息的推荐模型, page: 139, childBookmark: [ { title: 8.4.1 情境预过滤, page: 140, childBookmark: [] }, { title: 8.4.2 情境后过滤, page: 141, childBookmark: [] } ] }, { title: 8.5 情境建模, page: 141, childBookmark: [ { title: 8.5.1 基于邻域的方法, page: 142, childBookmark: [] }, { title: 8.5.2 基于模型的方法, page: 143, childBookmark: [] } ] }, { title: 习题, page: 146, childBookmark: [] } ] }, { title: 第9章 基于时空信息的推荐, page: 147, childBookmark: [ { title: 9.1 基于时间信息的推荐, page: 147, childBookmark: [ { title: 9.1.1 最近最热门推荐算法, page: 148, childBookmark: [] }, { title: 9.1.2 基于时间的项目协同过滤, page: 148, childBookmark: [] }, { title: 9.1.3 基于时间的用户协同过滤, page: 149, childBookmark: [] }, { title: 9.1.4 基于会话的推荐, page: 150, childBookmark: [] } ] }, { title: 9.2 基于序列感知的推荐, page: 151, childBookmark: [ { title: 9.2.1 基于马尔可夫模型的序列预测, page: 152, childBookmark: [] }, { title: 9.2.2 基于循环神经网络的序列预测, page: 153, childBookmark: [] }, { title: 9.2.3 基于注意力机制的序列预测, page: 157, childBookmark: [] } ] }, { title: 9.3 基于空间信息的推荐, page: 160, childBookmark: [ { title: 9.3.1 位置信息的获取与推理, page: 161, childBookmark: [] }, { title: 9.3.2 基于位置信息的推荐, page: 161, childBookmark: [] }, { title: 9.3.3 融合其他信息的推荐, page: 163, childBookmark: [] } ] }, { title: 习题, page: 163, childBookmark: [] } ] }, { title: 第10章 基于社交关系的推荐, page: 164, childBookmark: [ { title: 10.1 社交关系数据, page: 164, childBookmark: [] }, { title: 10.2 基于邻域的社交化推荐, page: 166, childBookmark: [ { title: 10.2.1 基于用户的协同过滤, page: 166, childBookmark: [] }, { title: 10.2.2 基于图扩散的推荐, page: 167, childBookmark: [] } ] }, { title: 10.3 基于模型的社交化推荐, page: 169, childBookmark: [ { title: 10.3.1 基于潜在社交因子学习的推荐, page: 169, childBookmark: [] }, { title: 10.3.2 基于显式社交关系的推荐, page: 171, childBookmark: [] } ] }, { title: 10.4 基于社会曝光的协同过滤, page: 174, childBookmark: [] }, { title: 习题, page: 176, childBookmark: [] } ] }, { title: 第11章 基于异质信息网络的推荐, page: 177, childBookmark: [ { title: 11.1 基本概念, page: 177, childBookmark: [] }, { title: 11.2 基于邻域的 HIN 推荐算法, page: 178, childBookmark: [ { title: 11.2.1 基于随机游走的相关度度量, page: 178, childBookmark: [] }, { title: 11.2.2 基于元路径的相关度度量, page: 179, childBookmark: [] }, { title: 11.2.3 基于元路径和随机游走混合的相关度度量, page: 183, childBookmark: [] } ] }, { title: 11.3 基于模型的 HIN 推荐算法, page: 183, childBookmark: [ { title: 11.3.1 两阶段融合模型, page: 183, childBookmark: [] }, { title: 11.3.2 端到端的学习模型, page: 188, childBookmark: [] } ] }, { title: 习题, page: 191, childBookmark: [] } ] }, { title: 第12章 基于图神经网络的推荐, page: 192, childBookmark: [ { title: 12.1 图神经网络简介, page: 192, childBookmark: [ { title: 12.1.1 任务分类与定义, page: 193, childBookmark: [] }, { title: 12.1.2 一般流程与框架, page: 194, childBookmark: [] }, { title: 12.1.3 采样模块, page: 195, childBookmark: [] }, { title: 12.1.4 池化模块, page: 196, childBookmark: [] }, { title: 12.1.5 传播模块, page: 198, childBookmark: [] } ] }, { title: 12.2 图神经网络典型算法, page: 202, childBookmark: [ { title: 12.2.1 GCN 算法, page: 202, childBookmark: [] }, { title: 12.2.2 GraphSAGE 算法, page: 204, childBookmark: [] }, { title: 12.2.3 CAT 算法, page: 205, childBookmark: [] } ] }, { title: 12.3 基于图神经网络的推荐算法, page: 207, childBookmark: [ { title: 12.3.1 基于用户-项目二部图的协同过滤, page: 207, childBookmark: [] }, { title: 12.3.2 基于知识图谱的推荐, page: 209, childBookmark: [] } ] }, { title: 习题, page: 211, childBookmark: [] } ] }, { title: 实验1 基于邻域协同过滤的 Top-N 推荐, page: 212, childBookmark: [] }, { title: 实验2 基于矩阵分解的评分预测, page: 216, childBookmark: [] }, { title: 实验3 面向应用的推荐系统实现, page: 220, childBookmark: [] }, { title: 参考文献, page: 229, childBookmark: [] } ]第二步:使用python代码实现目录添加#!/usr/bin/env python3 根据 JSON 格式的目录为 PDF 添加书签 依赖: pip install pymupdf import json import sys from pathlib import Path def _load_fitz(): 加载 PyMuPDF。脚本目录 / 当前目录若在 sys.path 最前本地的 pymupdf.py 或 pymupdf/ 会遮蔽 site-packages导致 from . import extra 报 relative import 错。 _here str(Path(__file__).resolve().parent) _saved sys.path.copy() try: sys.path[:] [p for p in sys.path if p not in (, _here)] [ p for p in (, _here) if p in sys.path ] import pymupdf as m return m except ImportError as e: raise ImportError( 无法加载 PyMuPDF。请先检查当前目录或本脚本目录下是否有多余的 pymupdf.py、pymupdf 文件夹或同名项目会遮蔽 pip 安装的包 然后执行: pip install --force-reinstall pymupdf ) from e finally: sys.path[:] _saved fitz _load_fitz() def parse_toc_from_json(json_str): 解析 JSON 字符串生成书签树结构。 输入 JSON 格式示例: [ { title: 第一章 概述, page: 6, children: [ { title: 1.1 推荐系统简介, page: 7 }, { title: 1.2 发展历史, page: 8 } ] }, { title: 第二章 推荐算法, page: 20 } ] 返回符合 fitz.set_toc 要求的扁平列表: [[level, title, page], ...]level 从 1 起 data json.loads(json_str) # 如果传入的是单个对象转换为列表 if isinstance(data, dict): data [data] toc [] # 递归构建扁平列表PyMuPDF 要求首条 level 为 1故顶层从 1 开始 def traverse(items, level): for item in items: title item.get(title) page item.get(page) if title is None or page is None: continue # 添加当前书签 toc.append([level, title, page]) # 处理子书签children 字段 children item.get(children) or item.get(childBookmark) if children: # 如果 children 是单个字典转换为列表 if isinstance(children, dict): children [children] traverse(children, level 1) traverse(data, 1) return toc def add_bookmarks_from_json(pdf_path, json_str, offset0, output_pathNone): 从 JSON 字符串读取书签信息并添加到 PDF 文件。 :param pdf_path: 输入的 PDF 文件路径 :param json_str: JSON 格式的目录字符串 :param offset: 页码偏移量实际页码 目录页码 - 1 offset :param output_path: 输出 PDF 路径默认为覆盖原文件 pdf_path Path(pdf_path) if not pdf_path.exists(): raise FileNotFoundError(fPDF 文件不存在: {pdf_path}) # 解析 JSON 得到书签列表 try: toc_raw parse_toc_from_json(json_str) except json.JSONDecodeError as e: raise ValueError(fJSON 解析错误: {e}) if not toc_raw: print(警告未解析到任何书签, filesys.stderr) return # 源文件若 xref/页树不规范直接 set_toc 可能报 bad xref先复制到空白文档再写书签 src fitz.open(pdf_path) total_pages src.page_count # 应用偏移并调整页码 final_toc [] for level, title, page in toc_raw: actual_page (page - 1) offset if actual_page 0: actual_page 0 print(f警告条目 {title} 的页码 {page} 偏移后为负已修正为第 1 页, filesys.stderr) if actual_page total_pages: actual_page total_pages - 1 print(f警告条目 {title} 的页码 {page} 超出文档范围已修正为最后一页, filesys.stderr) final_toc.append([level, title, actual_page]) if output_path is None: output_path pdf_path else: output_path Path(output_path) out fitz.open() try: out.insert_pdf(src) out.set_toc(final_toc) out.save( output_path, garbage4, deflateTrue, ) finally: out.close() src.close() print(f成功添加 {len(final_toc)} 条书签到 {output_path}) 提示词: 根据目录的图片,提取出如下格式的json目录数据: { title: 第一章 概述, page: 6, childBookmark: [ { title: 1.1.推荐系统简介, page: 7, childBookmark:[] }, { title: 1.2.推荐系统XXX, page: 9 } ] } 所有目录都要递归的加入到子目录中,直到最后一级 def main(): 命令行入口示例 # 判断 json 参数是文件路径还是直接字符串 json_path toc.json with open(json_path, r, encodingutf-8) as f: json_str f.read() pdf_path rF:\ldp\p1.pdf add_bookmarks_from_json(pdf_path, json_str, 11, output0404.pdf) if __name__ __main__: main()完美