Python - 打开 pdf 文件到特定页面标签

Question

我已经阅读了很多解释如何打开 PDF 文件到特定页面的答案；从this answer，解决方案是这样的：

import subprocess
import os

path_to_pdf = os.path.abspath('C:\test_file.pdf')
# I am testing this on my Windows Install machine
path_to_acrobat = os.path.abspath('C:\Program Files (x86)\Adobe\Reader 10.0\Reader\AcroRd32.exe') 

# this will open your document on page 12
process = subprocess.Popen([path_to_acrobat, '/A', 'page=12', path_to_pdf], shell=False, stdout=subprocess.PIPE)
process.wait()

但是，我找不到如何打开 PDF 到特定的 页面标签（如果页码与页面标签不匹配，那就是个问题）。
我该怎么做？

附言： 如果不清楚， 您会看到页码 (274) 和页码 (208) 之间的区别。

Answer 1

pypdf

可以阅读页面标签：

from typing import Dict

from pypdf import PdfReader

reader = PdfReader("example.pdf")
labels = reader.page_labels

index2label: Dict[int, str] = {
    index: label for index, label in enumerate(labels)
}

这样你就可以找到你感兴趣的索引。之后，你就可以使用索引了。

Answer 2

PDF 中的页码以 zer0 为基数，因此通常通过将计数器设置为 i=[0] 然后 page[1] = Page 2 等以编程方式提取第一个页码，因此我们在页面 [X of N] 中看到的数字是本身就是人类约定俗成的标签。

然而，对于期刊或书籍，我们可能不想计算封面 [0]，而是包括“自定义标签范围”，如

cover, iv, iii, ii, i, 1, 2

或 A、B、C 或什至 i、ii、iii 等，或者再次提取

1

=

1406

来自更大的年度收藏。

数字通常遵循人类逻辑标记序列，这与构建 PDF 的方式不同，因此我们简单地将自定义标记显示为 [A] 5/9，其中

A

实际上是第 [4] 页，共 9 页。

或者在这种情况下是 1/1（实际上是 [0]/[0]）

所以如何提取该序列是寻找像这样的目录条目

/PageLabels<</Nums[0<</S/A>>]>>/Pages 5 0 R/Type/Catalog

所以我们可以看到标签是“/Numerics”，其中唯一的页面[0....]可以/应该被替换为<tring Word of /A>>

因此，如果您知道

/Nums

的存储位置，那么很容易编写 # 输出。

返回您的查询您可以添加 NamedDestinations 并且对于该页面 1（标记为 A），我们可以搜索像这样的条目

%Prepare Named Destinations
3 0 obj
<</Names [(Page1) [6 0 R /XYZ 0 792 null] (QRCode) [6 0 R /XYZ 25.0 317.0 1]]>>

所以在这种情况下打开页面 A 我们可以说

#NamedDest=Page1

或

#NamedDest=QRcode

因为外部标签都重定向到 6 0 R 并且不必等于任何内部标签 object 6 即 Page [ 0]（在本例中标记为 A）

注意那些 Named Destinations 是没有空格的单个 ID 字符串（URL 不应该有空格）并且与您在目录或大纲中看到的内部 /D estinations 完全不同，其中页面标签可以是页面 A 或介绍或任何其他导航标签/关键字。

很多用户在看到这样的/D（Destination）时，不明白为什么在外部调用一个Name不起作用

9 0 obj
<</A<</D [6 0 R /FitR 90 90 300 300]/S/GoTo>>/C[0 0 1]/F 3/Parent 4 0 R/Prev 7 0 R/Title(Hello World\041)>>
endobj

这里的目的地是 QRCode 目的地，但对于导航器中的人类消费而言，它被列为页面

Hello World

，一些读者可以通过使用不同的外部-或-- 或 / 或 # 开关前缀