從 PyPDF2 getOutlines() 解析頁碼

Question

我正在使用 PyPDF 2 處理一些 PDF 文件。 我希望從包含它的文件中提取大綱/ToC 數據，主要是為了嘗試了解給定頁面對應於文檔的哪個部分。

根據文檔， PdfFileReader的getOutlines方法應該返回Destination對象的嵌套列表。 然后， 根據 docs ，每個都應該有一個page (int) 屬性。

不幸的是，我嘗試過的文件並非如此。 相反，我得到了indirectObject s，它解析為PyPDF2.generic.DictionaryObject s。 我不知道如何獲得我期望的Destination對象，或者如何從我得到的indirectObject提取有意義的頁碼。

最終目標是，給定大綱的頁碼，能夠將該頁碼傳遞給getPage()然后調用extractText() 。

非常感謝任何指導。 謝謝！

Answer 1

PyPDF2.PdfFileReader有一個getDestinationPageNumber方法，它為您提供來自Destination對象的頁碼。

但是，PyPDF2 不再真正更新，並且 Python 3.7 上的輪廓迭代被破壞。 相反，您可能想嘗試pikepdf ，它們也有 大綱支持。