如何从 PDF 文件中提取书签

Question

我有一个PDF文件。我需要将该文件中的书签提取到文本文件或 Excel 电子表格中。我还需要验证大 PDF 文件中的书签。我该怎么做？

Answer 1

您可以使用pdftk从 PDF 文件中提取数据（特别是书签）。

\n\n

示例：使用 pdftk 2.02，

\n\n

pdftk file.pdf dump_data_utf8 | grep \'^Bookmark\'\n

\n\n

输出书签列表，每个书签 4 行，格式如下：

\n\n

BookmarkBegin\nBookmarkTitle: <title in UTF8>\nBookmarkLevel: <number>\nBookmarkPageNumber: <number>\n

\n\n

例如，级别 1 对应于节，级别 2 对应于小节，依此类推。dump_data_utf8您可以使用代替dump_data，它将为您提供非 ASCII 字符的 HTML/XML 数字实体（例如è“\xc3\xa8”）。

\n\n

注意：如果没有grep，您可以获得其他有趣的数据，例如元数据（创建日期、作者、关键字、标题等）、页数和每页的尺寸。这个 pdftk 实用程序可以对 PDF 文件执行其他操作；有关完整说明，请参阅其手册页。

\n

Answer 2

与qpdf

这应该可以帮助您开始：

qpdf --json your.pdf | jq '.objects' | grep -Po 'Title": \K.*'

不过，该命令还将生成 PDF 的标题。

查看qpdf 手册，了解其 JSON 输出。

grep我很确定可以通过使用jq 的通配符来简化该命令，摆脱。