python 提取PDF书签对应的页码

在Python中，可以使用`PyPDF2`库来提取PDF文件的书签信息，包括其对应的页码。`PyPDF2`是一个用于读取和操作PDF文档的简单库。下面是一个基本的步骤：

1. 首先，你需要安装`PyPDF2`，如果你还没有安装，可以使用pip安装：

   pip install PyPDF2

2. 然后，你可以使用以下代码来提取PDF的书签（也称为索引或目录）及其对应的页码：

import PyPDF2

def get_bookmarks_with_page_numbers(pdf_path):
    with open(pdf_path, 'rb') as file:
        pdf = PyPDF2.PdfFileReader(file)
        bookmarks = []
        for i in range(pdf.getNumPages()):
            page = pdf.getPage(i)
            if hasattr(page, '/Annots'):  # 检查是否有注释（通常包含书签）
                annotations = page.get('/Annots')
                for annotation in annotations:
                    if annotation['/Subtype'] == b'/Link':  # 找到链接类型的注释（即书签）
                        dest = annotation['/A']['/D']
                        if dest.startswith(b'/Fit'):
                            # 获取目标页面，假设目标是当前PDF的另一个页码
                            target_page_number = int(dest[4:]) - 1
                            bookmarks.append((annotation['/Title'], i + 1, target_page_number))  # 添加书名、起始页码和目标页码

        return bookmarks

pdf_path = 'your_pdf_file.pdf'  # 替换为你需要处理的PDF文件路径
bookmarks_data = get_bookmarks_with_page_numbers(pdf_path)

for bookmark in bookmarks_data:
    print(f"{bookmark[0]}: {bookmark[1]} -> {bookmark[2]}")