标签：chapter mdbook name bookmark text 书签 pdf txt

以 Rust By Example.pdf 为例，分享如何为 mdbook 打入书签目录。

生成本地网页书籍，并保存为 pdf

1. git clone https://github.com/rust-lang/rust-by-example 把书籍仓库克隆到本地。

2. 根据 README.md 安装 mdbook，并运行服务器。此时终端会输出书籍 url，比如 Serving on: http://localhost:3000 。
   

3. 打开书籍 url，并点击右上角打印图标，把书籍保存为 pdf，这里是 Rust By Example.pdf。
   

从 pdf 提取所有标题及对应页码

请先参考后面的准备步骤，保存 py 文件并安装工具。

1. 运行 pdfxmeta "Rust By Example.pdf" | grep "font.size" | sort | uniq -c | sort -gk 1 提取书籍中所有的字体大小。
   
2. 新建 recipe.toml, 把可能为标题的字体大小填到下面代码中的 font.size 中。如果有多个 font.size 要填，每个 font.size 都要复制一组下面的代码。

[[heading]]
level = 1
greedy = true
font.size = 24.01115608215332

示例：

从网页提取所有章节名称

1. 使用 python gen_chapter.py > chapter.txt 根据网页生成目录。使用时请修改 genbookmark.py 中的 url 为 mdbook serve 生成的书籍 url。
   

将章节名称与标题页码一一对应

1. 运行 pdftocgen "Rust By Example.pdf" < recipe.toml > bookmark.txt 提取书籍中所有的标题及对应页码
   
2. 使用 python combine.py chapter.txt bookmark.txt > toc.txt，对应标题与章节。
   
3. 检查 toc.txt，如有标明 not found 的章节，说明没有在 bookmark.txt 中找到对应标题。可能是因为章节名称和标题名称不一致，或者标题名称提取错误。解决方法：在 bookmark.txt 中，根据章节名修正标题文字，然后再次运行上述命令。可以反复修正直到所有章节都有对应页码。

修正后的 bookmark.txt	修正后的 toc.txt

根据对应结果生成目录

1. 运行pdftocio -t toc.txt -o out.pdf "Rust By Example.pdf"，把 toc.txt 中的章节与页码填入 pdf 中。
2. 重命名 out.pdf 为你想要的名称。

网页版目录	生成的 PDF 目录

准备工作

准备环境

安装 python3，并使用 pip 安装 requests 和 lxml 库。

安装 pdf.tocgen

pip install -U pdf.tocgen，参考 Krasjet/pdf.tocgen: A CLI toolset to generate table of contents for PDF files automatically.

保存如下代码为 gen_chapter.py

import requests
from lxml import etree

url = "http://localhost:3000/"

get = requests.get(url).text
chapter = etree.HTML(get).xpath('//*[@id="sidebar"]/div[1]/ol')[0]

# 子元素中，class 包含 chapter-item 的所有 li
title = './child::li[contains(@class, "chapter-item")]'
# 后面的第一个 li 中，class 不包含 chapter-item 的
child = './following-sibling::li[1][not(contains(@class, "chapter-item"))]'
# a 下面的所有 text，用来提取 strong 和普通 text
text = "string(./a)"

def get_text(ol, level = 0):
        chapter_items = ol.xpath(title)
        for chapter_item in chapter_items:
                print("{}\"{}\"".format("    " * level, chapter_item.xpath(text)))
                child_li = chapter_item.xpath(child)
                if (child_li):
                        child_ol = child_li[0].xpath("./ol[1]")
                        get_text(child_ol[0], level + 1)

get_text(chapter)

保存如下代码为 combine.py

import sys
import csv

chapter_list_file, bookmark_file = sys.argv[1], sys.argv[2]

with open(chapter_list_file, 'r') as c, open(bookmark_file, "r") as b:
        chapters = list(c.readlines())
        bookmarks = list(b.readlines())

        for chapter in chapters:
                for bookmark in bookmarks:
                        chapter_name = list(csv.reader([chapter.strip()], delimiter=' '))[0][0]
                        chapter_split = chapter_name.split(" ")[1:]
                        chapter_name = " ".join(chapter_split) if chapter_split else chapter_name
                        bookmark_name, bookmark_page = list(csv.reader([bookmark.strip()], delimiter=' '))[0]

                        if bookmark_name in chapter_name:
                                print(chapter[:-1], bookmark_page)
                                bookmarks.remove(bookmark)
                                break
                        elif chapter_name in bookmark_name:
                                print(chapter[:-1], bookmark_page)
                                bookmarks.remove(bookmark)
                                break
                else:
                        print(chapter[:-1], "not found")

参考链接

1. 为 PDF 增加目录 - 少数派

标签：chapter,mdbook,name,bookmark,text,书签,pdf,txt
From： https://www.cnblogs.com/liuchao719/p/generate_bookmark_for_mdbook_pdf.html