import fitz # PyMuPDF
import pandas as pd
# 開啟PDF檔案
pdf_path = '控制之美.pdf' # 請確保替換為正確的檔案路徑
document = fitz.open(pdf_path)
# 初始化一個列表來儲存目錄資訊
toc_list = []
# 提取目錄資訊的函式
def extract_toc(toc, level=0):
for item in toc:
# 確保目錄項至少包含標題
if len(item) > 1 and item[1]:
title = item[1]
# 確保頁碼是數字型別
page = item[2] if len(item) > 2 and isinstance(item[2], int) else None
if page is not None:
# 新增條目到列表
toc_list.append({
'Title': title,
'Page': page,
'Level': level
})
# 如果有子條目,遞迴提取
if len(item) > 3 and item[3]: # 子條目在索引3
extract_toc(item[3], level + 1)
# 獲取PDF的目錄
toc = document.get_toc(simple=False)
# 提取目錄資訊
extract_toc(toc)
# 關閉PDF檔案
document.close()
# 將列表轉換為DataFrame
toc_df = pd.DataFrame(toc_list)
# 將DataFrame輸出到CSV檔案
toc_df.to_csv('output.csv', index=False, encoding='utf-8')
提取pdf文件的目錄1.0
相關文章
- 提取pdf目錄,並且分級
- Express 文件(目錄)Express
- Grafana 文件(目錄)Grafana
- Xdebug中文文件-目錄
- 文件模型中的段落,目錄,文件,是什麼意思?模型
- 獲取和設定pdf目錄
- linux文件和目錄結構Linux
- 提取pdf指定頁
- php檔案操作之提取檔案/目錄的名稱PHP
- 高效的PDF文字提取技術
- C# 提取PDF中的表格C#
- PDF的資訊提取的問題
- 文件管理 | 文件目錄結構和檔案情況的檢視與匯出
- Julia 1.0 中文文件
- 文件提取工具 apache/tikaApache
- Java 生成 PDF 文件Java
- Python 提取PDF文字和圖片Python
- librosa 音訊特徵提取的現成文件ROS音訊特徵
- PDF Expert 2.5.16 中文版-實用的 PDF 文件工具
- PDF文件壓縮工具:Cisdem PDF Compressor for MacMac
- PDF文件搜尋工具:PDF Search Mac版Mac
- java-pdf-itext7、itextpdf 生成pdf 文件Java
- Laravel 生成 PDF 文件 - tcpdfLaravelTCP
- PDF文件轉換器PDF to Word Document Converter MacMac
- Master PDF Editor for Mac PDF文件編輯軟體ASTMac
- 如何用Python批量提取PDF文字內容?Python
- !!!提取檔案記錄!!!
- UML使用者指南(第2版)【帶目錄高清pdf下載】
- 記一次正規表示式實戰,給pdf加目錄
- pdf轉換成word文件
- java生成簡易pdf文件Java
- 巧用Python的camelot庫批量提取PDF發票資訊Python
- C# 將PDF文件轉換為Markdown文件C#
- ComPDFKit - 專業的PDF文件處理SDK
- Linux設定中文幫助文件、常見目錄、幫助命令Linux
- Python中用PyPDF2拆分pdf提取頁面Python
- Python 將Word/ Exce/ PDF/ PPT文件轉為OFD文件Python
- .NET 工具庫高效生成 PDF 文件