[toc]
Bug或新功能,最好在Github里的issue里面提,要提新功能代码,欢迎提PR,其它平台不一定能及时看到,github 有邮件通知
🤝
-
2022-11-22
-
2022-8-17
- 增加多级书签无前置书签和书签层级不连续提示:bug:
- 提高容错性,非命令行下,显示报错提示🐛
- dll不单独进打包exe,提升启动速度🐎
-
2022-8-15
-
2022-8-14
- 完成书签获取自动化:sparkles:
- 可自动识别部分PDF页偏移:sparkles:
- 改用新打包方式,exe体积更小,速度更快:sparkles:
-
2022-8-1
- 加书签时,增加清空原有书签选项:sparkles:
- 检测页码合法性,是否超出pdf页数
- 相关容错改进
-
2022-8-3
-
2022-8-4
-
所有判断做充分性测试
-
-
2022-8-9 着重新功能,性能优化,非严重容错问题暂时不修
-
自动化获取书签
# PyAutoGui or pywin 模拟点击 # 读秀WEB JS逆向书签接口 # 书签获取软件逆向接口
-
加书签性能优化
# 尝试extend()方法 2022年8月9日02:15:59 1. ```python outline.root.extend([ # Page counts are zero-based OutlineItem('Section One', 0), OutlineItem('Section Two', 2), OutlineItem('Section Three', 8) ]) main_item = OutlineItem('Main', 0) outline.root.append(main_item) main_item.children.append(OutlineItem('A', 1)) # 还落是明天弄了,想睡觉了 2022年8月10日02:28:55 # 这个耗时不算太多,先弄书签获取 MuPDF已完成 \学习\mupdf_add_bookmark.py ``` # PyPDF2竟然更新了,试一下,额,WPS PDF差1的问题还是存在 # 使用Mupdf,及其它PDF操作Python库 # C pdf lib
-
打包exe优化
# niutika # #
-
-
[ ]
- ==本工具只进行书签部分格式化和加书签操作,书签获取需要配合其它工具==
- 最终书签效果因人而异,程序只能格式化最常见的层级,毕竟是半自动的
- ==最好了解一定正则和列操作==,不了解的话可能要多手工重复一些操作
- ==相比现有工具,没有太大优势,最初只是个人使用==
- 反反复复改了一星期,差不多能用了,虽然代码依然很烂
一般需要加书签的,大多是扫描版书籍,而市面上绝大多数扫描版书籍均出自超星公司(读秀和全国图书参考联盟都是他家的),为了方便学术检索,超星有对目录进行提取,如下图。
额,然后有人分析出了超星书签的接口,做成了书签获取工具,如下图,通过它能获取大多数书的书签。
但检索一本书的书签,需要知道书在超星的内部编号,上图书签获取工具填的就是那个编号
-
SSID( Super Star ID,超星英文简写)
书签接口是超星开发的,其中检索每本书的书签不是通过ISBN或书名,而是其内部定义的编号SSID,这个SSID可以油猴脚本获取,推荐文献互助小帮手这个脚本,读秀和全国图书参考联盟都可以获取SSID,但在装油猴脚本前需要装油猴插件
装好的油猴插件、油猴脚本
如果书签工具也没有那本书的书签,怎么办?
- 这篇博客 下载超星或读秀图书时,怎么搞定完整书签? 讲的可以,不重复了,主要是在
各出版社官网,电商网站,豆瓣找,直接Google书签里面的内容,层级深一点的那个,实在没有就OCR书里面的目录部分再整理
推荐阅读,上面的内容主要参考这三篇文章
- 文献互助小帮手:https://greasyfork.org/zh-CN/scripts/435569-%E6%96%87%E7%8C%AE%E4%BA%92%E5%8A%A9%E5%B0%8F%E5%B8%AE%E6%89%8B-%E4%BB%8E%E5%9B%BE%E4%B9%A6%E9%A6%86%E5%8F%82%E8%80%83%E5%92%A8%E8%AF%A2%E8%81%94%E7%9B%9F-ucdrs-%E6%88%96%E8%AF%BB%E7%A7%80-duxiu-%E8%8E%B7%E5%8F%96ssid-dxid-%E4%BB%8E%E4%B8%AD%E7%BE%8E%E7%99%BE%E4%B8%87-cadal-%E8%8E%B7%E5%8F%96ssno-%E6%8F%90%E4%BE%9Bucdrs-duxiu-cadal%E5%88%B0%E8%B1%86%E7%93%A3%E5%9B%BE%E4%B9%A6%E7%9A%84%E9%93%BE%E6%8E%A5
- 淘宝书商为啥什么书都能找到:揭秘代找PDF背后的真相 :https://mp.weixin.qq.com/s/7SX-Oztgx2q76AN5YpntTA
- 下载超星或读秀图书时,怎么搞定完整书签? :https://blog.csdn.net/youthlzu/article/details/24514703
==最初获取的书签结构化程度,很大程度决定了后期格式化用的时间。==根据经验,书签格式化有三个小点,书签层级、每级书签样式和页码偏移。
-
书签层级
以《人工智能在信用债投资领域的应用 Python语言实践》(SSID: 14545152)这本书为例,见下图,这是从
书签获取小工具2015.05.05【晴天软件】
获得的初步整理的书签。另外规定对于书签的层级一律以Tab
来区分,一级书签前面没有Tab
,二级书签前面有1个Tab
,三级书签则有2个Tab
从中可以看出,除对一级书签(即按章开头的那个第*章),其它书签均格式化为二级书签,其中标注的第6行和第31行应分别为三级书签和一级书签,如下图为修正好的书签
-
每级书签样式
还是以同一本书为例看书签样式问题,注意第4行,
第2章 机器学习
,标号与标题中间有两个空格;第6行,2.1.1有监督机器学习
,标号与标题中间则没有空格;第11行,第3章 基于TensorFlow用Keras做深度学习
,里面的英文单词是应该首字母大写还是按原样输出,后面的附录那节同第一个问题。 ==这个按照每个人的审美不同,具体怎么弄,得看你们自己的选择==
个人的审美是,标号与标题之间只留一个空格,英文单词全部统一成小写,虽然按原样输出就挺不错的,但加了这么多PDF的书签,最终还是选择统一单词的风格,结果如下图
-
页码偏移
超星的书签应该也是从目录这部分OCR提取的,见下图,但其中的页码和实际的页码有偏移(因为目录里面的页码是从正文开始算的,而实际的书签引用页码必须是从第一开始的绝对页码),第二章在目录里是页码是
6
,而实际绝对页码是16
,二者相差10
,加书签时必须补上这个页码,见第二张图。 所有正文之后的页码必须
+10
进行修正,如下图
在最开始已经介绍,本工具只能进行书签部分格式化,还有一部分是需要手工操作的,特别是对于从非书签获取小工具2015.05.05【晴天软件】
获得的书签,程序处理会有很大问题,,,
-
从
书签获取小工具2015.05.05【晴天软件】
获取书签 如下图红框,书签层级是通过数字标号来定位的,但如下图框中,书签部分前面没有标号,所以没办法分层级。**最后的处理办法是对所有不能通过其特定标识分层级的,全部默认分到二级书签。**之后就得自己去修正正确的层级。
-
从其它处获得的书签
如下图,一些新书是没有录入库的,只能从其它地方拿书签了。
下面是从京东商城的商品界面,可以看到目录,
复制到TXT文档里面,可以发现其中标签与页码之间有
点符号
,另外还有空行,如果需要用这个书签的话,这个需要把里面的点符号还有空行删了,这个需要用到正则表达式进行替换,不过注意别把书签的数字标号之间的点删除了。 试着把这个txt格式化一下,如图,箭头所指的点没删除,后面有时间再优化这个问题了。
-
工具结构
#目录树 . ├── Config │ └── config.yaml #配置文件 ├── Notepad3 │ ├── Notepad3.exe #协同工具-文本编辑器 │ ├── Notepad3.ini │ └── lng │ ├── np3lng.dll │ └── zh-CN │ └── np3lng.dll.mui ├── format_bookmark.py #代码-格式化书签 ├── pdf_add_bookmark_semi.exe #代码-打包的exe ├── pdf_add_bookmark_semi.py #代码-加书签 └── 书签获取小工具2015.05.05【晴天软件】.exe #协同工具-书签获取工具
主要是三部分:代码(
format_bookmark.py
、pdf_add_bookmark_semi.py
、pdf_add_bookmark_semi.exe
)、配置文件(Config/config.yaml
)、以及协同工具(Notepad3/Notepad3.exe
、书签获取小工具2015.05.05【晴天软件】.exe
)-
代码
一个用来格式化书签
format_bookmark.py
,另一个用来加书签pdf_add_bookmark_semi.py
,最终打包成pdf_add_bookmark_semi.exe
,具体分析见第三节主要实现功能
- 可加4级书签
- 书签格式化规则可自己配置
-
配置文件
Config/config.yaml
,里面用于配置编辑器的启用、使用哪个编辑器、首字母是否小写、以及最重要的书签格式化规则,具体的看配置文件吧 -
协同工具
协同工具一个是文本编辑器
Notepad3
也就是上图所示的软件,另一个是书签获取小工具2015.05.05【晴天软件】.exe
),第一节也介绍了,不过这个软件会报毒,加了VMP的壳,这软件我也不知道是谁写的,,,应该没毒吧,15年开发的,很多人也用了很久了。如果被杀软杀了,记得加信任区。
-
-
SS号
上面有介绍通过油猴脚本获取的方式,这里再介绍一个网站:http://115.159.153.83:19777/index.html
在上面直接搜索书名,可获得ss号。
-
书签获取
务必保存到要加书签的pdf的那个文件夹,另外txt文件名要与pdf相同
-
加书签
双击
pdf_add_bookmark_semi.exe
,会弹出控制台界面用法,上面也提了,要输入书签文件名(txt那个文件)、正文页偏移以及目录页码(这个参数可选)
直接将txt书签文件拖到控制台界面,然后填好页偏移10
书签和页偏移之间要留空格
回车,会进行初步格式化,然后弹出书签编辑页面,之后进行修正
附录那要改成一级书签,并去掉多余空格,书签规定看
1.2.2书签格式化
那节按上图改完之后,记得关闭编辑器,然后到了加书签界面,输入
y
是加,n
是不加书签输入
y
,回车加书签(记得加书签的时候,pdf不能被其它应用使用)按回车,退出,一切OK
-
加书签的程序也能发送到桌面,创建快捷方式,直接双击
和上面一样的,只是前面多了执行的解释器和py文件,另外注意安装Python模块pikepdf、colorama
python pdf_add_bookmark_semi.py "C:\Users\acer\Desktop\Notes\安全\Blog\test\人工智
能在信用债投资领域的应用 Python语言实践.txt" 10
Github:https://github.com/Davy-Zhou/pdf_add_bookmark_semi/releases
下次吧,写文档也累了
- 书签获取有点花时间,争取下次自动化获取
- 书签页码偏移部分可自动识别
- 界面美化
- 书签格式化规则更新