一、给PDF加书签的两种情况

1.1 文字版PDF添加书签的理想情形

假设我们弄到了一本PDF，这个PDF如果是由Word或WPS转化而来，其中的标题也就代表了目录，我们可以用acrobat PDF中的AutuBookmark插件实现自动识别标题为目录的方法来添加书签。

这是完美的一种情况，因为即使PDF最初确实是从Word或WPS转化而来，也有可能识别不出来。因为你得到的这个版本的PDF，可能已经经过了很多次的压缩、格式转换、特殊处理，导致某些标题/目录层级信息丢失。

另一个方面，网上很多PDF都是扫描版本的，特别是中文图书；并且并不是所有人都喜欢用acrobat PDF软件（有些人喜欢用WPS PDF、福昕PDF、万兴PDF等等）。

1.2 本文适用的条件——扫描版PDF图书

如果你的PDF中没有目录，或者不属于图书的范畴，那么就不属于本文适用的范围。

二、情形的划分

• 最理想的情况A：在网购平台、数字图书售卖网站或者类似“豆瓣”这种图书推荐网站上，找得到图书的目录+页码信息，就可以直接利用相关目录文字进行后续处理；这种应该是最为常见的情况。
• 不那么理想的情况B：在图书中有已识别成文字的目录，由于该图书已经太过古老或冷门，在网上找不到相关网页对该图书的目录进行介绍；可以直接在PDF中复制目录文字，有些地方可能识别不准需要修改，但总算少去了自己OCR的这一步。
• 特不理想的情况C：PDF是扫描得到的，并且目录那几页也没有经过OCR技术扫描成“可搜索PDF”；这时候就需要自己OCR了，对于小白来说不太友好。
• 最不理想的情况D：PDF中没有目录那几页，或者目录那几页不能直接复制、特别模糊、水印特别重，导致你OCR获取文本的选项也不那么顺利。
• 特殊情况E：在超星图书数据库中的PDF，都有相应的SS号，如果你知道如何查询图书的SS号，利用【书签获取小工具_用SS号获取书签2015.05.05_晴天软件】你可以直接用SS号搜索到图书的书签文本。

三、对情况A的处理

3.1 获取书签文本信息

如上所述：

在网购平台、数字图书售卖网站或者类似“豆瓣”这种图书推荐网站上，找得到图书的目录+页码信息，就可以直接利用相关目录文字进行后续处理；这种应该是最为常见的情况。

但是后来，我实际去做的时候，发现有些网站中只提供目录不提供页码，比如豆瓣、京东。

相比之下，淘宝就比较良心，大部分的目录都有页码。这样有一个好处就是你知道这一小节究竟写了多少页，避免有些作者草草了事花一两页写完明明很复杂的一个专题，你还不知道的情况。

于是我们借助淘宝获得了图书的书签信息。

3.2 将书签文本粘贴进PdgCntEditor进行处理

将上述文本粘贴进PdgCntEditor软件，我们可以发现页码前基本都是空格。
而PdgCntEditor软件的格式要求是页码前是一个缩进才能识别成功，因此我们需要将空格转化成缩进。

这时候我们就需要用到正则表达式的功能。

在正则表达式中我们输入【 ([0-9]+)$】，注意最前面有一个手动空格（因为PdgCntEditor不支持诸如/s、/t、/p等通配符）；其中()表示部分替换分组，[0-9]表示任意数字，+表示一个或多个数字，$表示匹配句尾。
在替换为输入框中是【 $1】，注意最前面有一个手动缩进；其中$1表示部分替换第1个分组的内容保留。

为了避免出错，我们可以点击如上图所示的「测试」按钮，先对正则表达式进行验证。

单击「替换」，空格即变成了缩进，此时此刻你已经可以将书签文本应用到PDF中去了，只是没有分级而已。

如果你想要继续分级，那么你接着往下看！

首先对二级目录的前面加一个缩进。

在正则表达式中我们输入【(^[0-9]+.[0-9]+) 】，注意最后面有一个手动空格，这是匹配二级目录；其中()表示部分替换分组，[0-9]表示任意数字，+表示一个或多个数字，^表示匹配句首。
在替换为输入框中是【 $1】，注意最前面有一个手动缩进；其中$1表示部分替换第1个分组的内容保留。

而后，在三级目录的前面加两个缩进。
在正则表达式中我们输入【(^[0-9]+.[0-9]+.[0-9]+) 】，注意最后面有一个手动空格，这是匹配三级目录。
在替换为输入框中是【 $1】，注意最前面有两个手动缩进；其中$1表示部分替换第1个分组的内容保留。

由于这个PDF最多只有三级目录，因此处理到这一步就结束了。小伙伴们如果看到更多级目录，按照二级到三级的转换思路进行递归即可。

第三部分的思路，来自这篇记一次正则表达式实战，给pdf加目录，虽然这篇文章是一篇爬虫文，源头也已经消失在互联网大海中，但是也给我带来了莫大的精神灵感。
而这篇对正则表达式部分替换的介绍也给我知识上的补充，谢谢上述两篇文章的作者！！

四、对情况A的Vim编辑器命令处理分析

其实，最初我是看了pdf生成目录-如何给没有目录的pdf手动添加目录中的通过Vim编辑器中的命令来快速编辑书签文本使其符合PdgCntEditor的格式要求。

• 三级目录添加两个tab。命令%s/\v^\ze(\d+\.\d+\.)/\t\t/
• 给二级目录添加一个缩进，命令%s/\v^\ze(\d+\.\d+)/\t/
• 将目录名和页码中间的字符串替换为 Tab，命令%s/\v(\s\.)+\s/\t/
• 页码重定位，加上一个偏移量，命令%s/\d\+$/\=submatch(0)+22/
• 保存，或使用命令:wq保存并退出

但是，我发现（其实作者也提到了）第3步操作失败，由于我对Vim命令还很陌生，所以就没再继续探究了。
不得不说这是一个很棒的方法，因为你只需要依次执行几条命令就可以；相比我上面在第三节介绍的方法，可以节省一半的步骤（只要你对Vim熟悉）。

后面我有时间，会补充和完善一下上面大牛提出的方法。