Python PDF按书签批量拆分 章节拆分教程
用Python读取PDF书签目录，自动按一级章节把整本PDF拆成多个小PDF，每个章节一个文件，保留文件名。
场景痛点
一本几百页的PDF电子书或规范，自带书签目录，想按章节拆成独立小文件发给不同人看。手动记下每个书签对应的页码区间，再一段段拆分，繁琐又容易错。用Python脚本读取书签树，自动计算每章的起止页码，一次性拆出几十个章节PDF。
用到的库
pip install PyPDF2
完整代码
# -*- coding: utf-8 -*-
"""
按 PDF 书签（一级大纲）自动拆分 PDF
"""
import os
import re
from PyPDF2 import PdfReader, PdfWriter
def _collect_top_level_bookmarks(outlines, reader):
"""
只取一级书签，返回 [(标题, 起始页码1基), ...]
"""
result = []
for item in outlines:
# 一级书签本身不是 list；它下面的子书签才是 list
if isinstance(item, list):
continue
title = item.title
start_page = reader.get_destination_page_number(item) + 1 # 转1基
result.append((title, start_page))
return result
def split_by_bookmarks(pdf_path: str, out_dir: str = "./chapters") -> None:
os.makedirs(out_dir, exist_ok=True)
reader = PdfReader(pdf_path)
total_pages = len(reader.pages)
bookmarks = _collect_top_level_bookmarks(reader.outline, reader)
print(f"共 {len(bookmarks)} 个一级书签")
# 计算每章的结束页 = 下一章起始页 - 1；最后一章结束 = total_pages
for i, (title, start) in enumerate(bookmarks):
end = bookmarks[i + 1][1] - 1 if i + 1 < len(bookmarks) else total_pages
if start > end:
continue
writer = PdfWriter()
for pno in range(start - 1, end): # 0基索引
writer.add_page(reader.pages[pno])
# 清洗文件名中的非法字符
safe_title = re.sub(r'[\\/:*?"<>|]', "_", title).strip()
out_path = os.path.join(out_dir, f"{i+1:02d}_{safe_title}.pdf")
with open(out_path, "wb") as f:
writer.write(f)
print(f"[{i+1}] {title} -> 第{start}-{end}页")
if __name__ == "__main__":
split_by_bookmarks("book.pdf")
代码讲解
_collect_top_level_bookmarks只挑一级书签（跳过嵌套 list），记录每章起始页码。- 关键算法：第 i 章的结束页 = 第 i+1 章起始页 - 1；最后一章结束页 = 总页数。
- 然后按页码区间循环
add_page，写出每个章节PDF。 - 文件名用
re.sub去掉 Windows 非法字符\ / : * ? " < > |，避免写盘报错。 - 序号
:02d补零，保证文件管理器按文件名排序后章节顺序正确。
运行结果
在 ./chapters/ 目录下生成 01_封面.pdf、02_第一章 项目背景.pdf、03_第二章 技术方案.pdf……每个文件正好对应该书签到下一书签之间的页面。
注意事项
- 只按一级书签拆；二级、三级书签会被忽略。想按所有层级拆，需要递归处理并保留子目录。
- 如果PDF没有书签，本脚本不适用，需要先按章节关键词做文本定位。
- 有的书签指向页面中间而非页面开头，拆出来的章节会从那一页开始，符合书签原意。
- 跨章的图、表不会被复制到新文件，只复制页面。
更新时间：2026-09-14 21:32:25