高效拆分PDF并精确保留目录结构（PyMuPDF教程）

import fitz # PyMuPDF

def correct_toc_hierarchy(toc_list):
    """
    修正TOC列表的层级结构，确保其符合PyMuPDF的规则。
    - 确保TOC以层级1开始。
    - 填充层级跳跃，例如从1直接跳到3，会插入一个层级2的虚拟项。
    """
    if not toc_list:
        return []

    corrected_toc = []

    # 获取第一个实际目录项的层级和页码
    first_entry_level = toc_list[0][0]
    first_entry_page = toc_list[0][2]

    # 1. 确保TOC以层级1开始：如果第一个目录项不是层级1，则插入虚拟项
    for l in range(1, first_entry_level):
        corrected_toc.append([l, f"Dummy Level {l}", first_entry_page])

    # 添加第一个实际目录项
    corrected_toc.append(toc_list[0])

    # 2. 遍历其余目录项，修正层级跳跃
    for k in range(1, len(toc_list)):
        prev_level = corrected_toc[-1][0]
        current_entry = toc_list[k]
        current_level = current_entry[0]
        current_page = current_entry[2]

        # 如果当前层级比前一个层级高1以上，则插入虚拟项
        if current_level > prev_level + 1:
            for l in range(prev_level + 1, current_level):
                corrected_toc.append([l, f"Dummy Level {l}", current_page])

        # 添加当前实际目录项
        corrected_toc.append(current_entry)

    return corrected_toc

def split_pdf_with_toc(input_pdf_path, output_folder, page_ranges):
    """
    将PDF文件按指定页面范围拆分，并为每个拆分后的文件生成对应的TOC。

    Args:
        input_pdf_path (str): 输入PDF文件的路径。
        output_folder (str): 拆分后PDF文件的保存目录。
        page_ranges (list): 一个元组列表，每个元组包含(起始页码, 结束页码)，
                            页码基于1。
    """
    pdf_document = fitz.open(input_pdf_path)
    full_toc = pdf_document.get_toc()

    for i, (start_orig_page, end_orig_page) in enumerate(page_ranges, start=1):
        # 创建一个新的PDF文档用于当前章节
        chapter_pdf = fitz.open()

        # 从原始PDF中插入指定页码范围的页面。
        # fitz的insert_pdf方法页码基于0，所以需要减1。
        chapter_pdf.insert_pdf(
            pdf_document, 
            from_page=start_orig_page - 1, 
            to_page=end_orig_page - 1
        )

        # 筛选与当前章节相关的TOC条目
        chapter_toc_raw = []
        for level, title, page_num_orig in full_toc:
            if start_orig_page <= page_num_orig <= end_orig_page:
                # 调整页码，使其相对于新PDF的起始页（1-based）
                page_num_new = page_num_orig - (start_orig_page - 1)
                chapter_toc_raw.append([level, title, page_num_new])

        # 修正TOC的层级结构以符合PyMuPDF的规则
        final_chapter_toc = correct_toc_hierarchy(chapter_toc_raw)

        # 将修正后的TOC设置到新的章节PDF中
        if final_chapter_toc: # 只有当TOC不为空时才设置
            chapter_pdf.set_toc(final_chapter_toc)

        # 保存新的章节PDF
        output_pdf_path = f"{output_folder}/Chapter_{i}_pages_{start_orig_page}-{end_orig_page}.pdf"
        chapter_pdf.save(output_pdf_path)
        chapter_pdf.close()
        print(f"Generated: {output_pdf_path}")

    pdf_document.close()
    print("PDF splitting complete.")

# 示例用法
if __name__ == "__main__":
    # 确保 'demo' 文件夹中有一个 'robin.pdf' 文件，并且 'output' 文件夹存在
    # 或者根据您的实际情况修改路径
    input_pdf_path = "demo/robin.pdf" # 替换为您的PDF文件路径
    output_folder = "output" # 替换为您的输出文件夹路径

    import os
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 定义您想要拆分的页面范围 (页码基于1)
    # 示例: 拆分原始PDF的第45到81页为一个文件，第100到120页为另一个文件
    page_ranges = [(45, 81), (100, 120)] 

    split_pdf_with_toc(input_pdf_path, output_folder, page_ranges)