先用freepic2pdf 从pdf中抓一份空的目录文件出来，见下图：

抓取后编辑生成的FreePic2Pdf_bkmk.txt文件。按照需要的格式进行。

格式如下：

1. 文本格式

2. 汉字要存为GB2312 编码, 如果误存成了utf-8 看后面的效果图有多惨

3. 用<TAB>表示书签的层次深度, 一个<TAB>一个层次, 目录的文字与最后的数字之间也是用一个<TAB>

由于原PDF为直接转换的非扫描版，这里自然也舒服很多，直接去pdf里面copy就好了。不需要去OCR

按照格式整理完成，用tab来控制书签的层级后碰到一个问题。修改页码的问题。因为PDF的目录页码是根据实体书的，一般对从首页开始都有个偏差，比如，页码是3的可能实际中是在pdf的20页。我这里偷懒用脚本来修改，直接把所有的页码加上一个偏移量，这里本次操作偏移量是27

code:

#!/usr/bin/python



#Filename: fixnum for pdf's index



import re

import sys



# replace string's num with add a var init

# sth like xxxx 22 will be replace to xxxx 22+num

def replaceString(strinput,num):

     p = re.search(r'(\t[0-9]+)',strinput)

     if p is not None:

          group = p.group()

          if group is not None:

               oldnum = int(p.group())

               newnum = oldnum+int(num)

               strinput = strinput.replace(str(oldnum),str(newnum))

               #print strinput

     return strinput



args = sys.argv

filename = args[1]

num = args[2]

print "match the file from " + filename

fin = file(filename,'r')

fout = file(filename + "fix",'w+')

while True:

     line = fin.readline()

     if len(line) == 0:

          break

     lineEnd = replaceString(line,num)

     fout.write(lineEnd)

fin.close()

fout.close()

执行命令：

python fixnum.py FreePic2Pdf_bkmk.txt 27

生成的FreePic2Pdf_bkmk.txtfix就是修改后的结果，改名保存为FreePic2Pdf_bkmk.txt后就可以导入了。如下图：

OK，剩下的就进pdf里面fix几个非数字页码的目录的指向就搞定了。

收工。

附上修改完成的文件和用到的一些东东。