在 Python 中为现有 PDF 创建大纲/目录

Question

我正在使用 pyPdf 将多个 PDF 文件合并为一个。这很好用，但我还需要向生成的 PDF 文件添加目录/大纲/书签。

pyPdf 似乎只支持读取大纲。 Reportlab 允许我创建它们，但开源版本不支持加载 PDF 文件，因此无法向现有文件添加轮廓。

有什么方法可以使用 Python 或任何允许这样做的库向现有 PDF 添加轮廓？

Answer 1

https://github.com/yutayamamoto/pdfoutline 我制作了一个 python 库，只是为了向现有 PDF 文件添加大纲。

Answer 2

看起来

pypdf

可以完成这项工作。请参阅文档中的

add_outline_item

方法。

Answer 3

我们在 WeasyPrint 中遇到了类似的问题：cairo 生成 PDF 文件，但不支持书签/大纲或超链接。最后我们硬着头皮阅读了PDF规范，然后自己做了。

WeasyPrint 的 pdf.py 有一个简单的 PDF 解析器和编写器，可以将 PDF“对象”添加/覆盖现有文档。它使用 PDF“更新”机制，仅附加在文件末尾。

该模块仅供内部使用，但我愿意重构它以使其更容易在其他项目中使用。

但是解析器采用了一些快捷方式，无法解析所有有效的 PDF 文件。如果 PyPDF 的输出不如 cairo 的那么好，则可能需要进行调整。来自模块的文档字符串：

我们不是尝试解析任何有效的 PDF，而是做出一些假设 为了简化代码，适用于开罗：

• 所有换行符都是 ' '， 不是 ' ' 或者 ' '
• 除了数字 0（始终是免费的）之外，没有“免费”对象。
• 大多数空白分隔符由单个 0x20 空格组成。
• 间接字典对象在行首不包含“>>”，除非标记对象的结尾，后跟“endobj”。 （在 换句话说，子词典的“>>”标记是缩进的。）
• 页面树是扁平的：根页面节点的所有子节点都是页面对象，而不是页面树节点。

Answer 4

pikepdf 似乎正是您所需要的。我自己没有使用过它，但我在研究类似用例时遇到了它！

自动为合并文档中的每个文件添加条目：

In [1]: from pikepdf import Pdf, OutlineItem

# (In [2-4] showcase a related use case)

In [5]: from glob import glob

In [6]: pdf = Pdf.new()

In [7]: page_count = 0

In [8]: with pdf.open_outline() as outline:
   ...:     for file in glob('*.pdf'):
   ...:         src = Pdf.open(file)
   ...:         oi = OutlineItem(file, page_count)
   ...:         outline.root.append(oi)
   ...:         page_count += len(src.pages)
   ...:         pdf.pages.extend(src.pages)
   ...: 

In [9]: pdf.save('merged.pdf')