【发布时间】：2020-09-25 11:00:04
【问题描述】：
我有一本索引很差的 PDF 书，只有主要章节的名称。但是，书里面，有很多标题，字幕，里面的每一章。 我正在寻找一个脚本（Bash、Perl、Python ......无论哪种脚本）都能够解析整本书并提供带有详细书籍架构的输出。比如：
真正糟糕的指数
1.简介
2.这本书是给谁的
3.这本书不适合哪一本 ...
期望的索引
1.简介
1.1.一些文字在这里
1.1.1 另一个子主题在这里
1.1.1.1 Even-another-subtopic here
（等等）
2.这本书是给谁的
2.1.一些文字在这里
2.1.1 另一个子主题在这里
2.1.1.1 这里甚至是另一个子主题
（等等）
3.这本书不适合哪一本
3.1.一些文字在这里
3.1.1 另一个-subtopic-here
3.1.1.1 Even-another-subtopic here
（等等）
我尝试了几个选项都没有成功：使用 Python：PyPDF2、PyMuPDF、ising Perl：PDF::Extract 等。
有什么建议吗，有一个完整的现实生活成功的例子吗？
提前致谢！
【问题讨论】：
-
您能否提供指向 PDF 的链接或 PDF 的摘录？另见PDF::API2
-
您应该确认 PDF 不是扫描书。如果这本书由 images 组成，那么解析的内容并不多，您只能为页面添加 TOC。但是如果书是普通的PDF书，可以使用试用软件添加TOC。
标签： python perl pdf metadata data-extraction