Kam se přesune obsah po sloučení souborů PDF: nejprve definujte pravidla pro zachování záložek

Po sloučení více souborů PDF se záložky a obsahy často pokazí: levá navigační lišta může být prázdná a kliknutí na záložku může přejít na chybovou stránku. Tento článek je napsán pro vývojáře a zpracovatele dokumentů, kteří potřebují ke spojování souborů PDF používat skripty. Po přečtení tohoto článku budete vědět, co se rozhodnout před sloučením, jak ověřit výstup pomocí syntetických vzorků a které výsledky je nutné zkontrolovat ručně.

Všechny kódy a příklady zde používají syntetické vzorky, které pouze demonstrují myšlenky zpracování čísla stránky a posunu adresáře a nezahrnují izolaci polí formuláře. Průběžné záznamy pouze ilustrují výkon vzorku v izolovaném prostředí a nezaručují účinek všech skutečných souborů. Před manipulací s důležitými dokumenty si prosím uschovejte originály.

Kam se přesune obsah po sloučení souborů PDF? Závěr jednou větou

Při slučování se nejprve rozhodněte, zda chcete importovat původní adresář; pokud chcete vytvořit položku nejvyšší úrovně sami, nastavte import_outline=False explicitně, abyste se vyhnuli smíchání výchozího importu a ruční rekonstrukce.

Proč adresář po sloučení zmizí?

Po použití PdfWriter.append() ke spojení více souborů PDF můžete zjistit, že levá navigační lišta je prázdná nebo záložka přeskočí na nesprávnou stránku, když otevřete výstupní soubor. Toto je běžný problém s operacemi sloučení pypdf.

Problém většinou není v samotné akci „sloučit", ale v záložce zdrojového souboru (Osnova), která ukazuje na číslo stránky nebo interní odkaz na objekt původního dokumentu. Po spojení více dokumentů do nového souboru se fyzická čísla stránek posunou, ale starý strom záložek tyto posuny automaticky neaktualizuje.

Existuje další situace, která je jemnější: zdrojový soubor používá pojmenované cíle namísto absolutních čísel stránek a cíle se stejným názvem existují v různých zdrojových souborech. Soubory připojené později přepíší předchozí definici, což způsobí, že odkaz bude neplatný.

Příklad syntézy: nejprve definujte vstupní hranici a očekávaný výstup

Pro ověření robustnosti slučovací logiky je třeba sestavit řízenou sadu syntetických vzorků, spíše než se spoléhat na skutečné dokumenty s různými strukturami. Příklad předpokládá dva zdrojové soubory pro testování.

Chyba nebo scénář zadání hranice: Pokud připojíte dva soubory přímo bez jakéhokoli předběžného zpracování, mohou nastat následující výsledky:

• Pouze jedno poleuser_name ve formuláři je upravitelné, druhé je zakryté nebo chybí data.
• Všechny záložky ukazují na rozsah stránek source_a nebo je hlášena chyba při kliknutí na záložku odpovídající zdroji_b.

Toto tiché selhání je více alarmující než pád programu, protože zničí použitelnost dokumentu bez vyvolání výjimky.

Příklad samostatné kompozice

Podívejte se na seznam importů například závislosti. Kód vytváří vstup v paměti a záznamy běhu jsou poskytovány samostatně a nepředstavují záruku všech skutečných souborů.

from io import BytesIO
from pypdf import PdfReader, PdfWriter
def source(pages):
    writer = PdfWriter()
    for _ in range(pages):
        writer.add_blank_page(width=200, height=200)
    out = BytesIO()
    writer.write(out)
    return out.getvalue()
writer = PdfWriter()
for title, raw in [("Part A", source(2)), ("Part B", source(1))]:
    start = len(writer.pages)
    writer.append(PdfReader(BytesIO(raw)), import_outline=False)
    writer.add_outline_item(title, start)
out = BytesIO()
writer.write(out)
reader = PdfReader(BytesIO(out.getvalue()))
assert len(reader.pages) == 3
assert len(reader.outline) == 2
assert reader.get_destination_page_number(reader.outline[0]) == 0
assert reader.get_destination_page_number(reader.outline[1]) == 2

Kritéria přijetí a hranice ruční kontroly pro sloučené výsledky

Úspěšné provedení kódu neznamená, že jsou výstupy k dispozici. Níže uvedená tabulka uvádí body pozorování přijetí pro slučování souborů PDF a rozlišuje ty, které lze automaticky ověřit, a ty, které vyžadují ruční zásah. Tyto standardy platí pro ověřování výstupu jakéhokoli nástroje pro slučování PDF.

Všimněte si také metody reset_translation. Pokud chcete do výstupu vložit různé stránky stejného PDF vícekrát, musíte to vyvolat před každým vložením; jinak bude druhé vložení referenční kopií prvního a úprava jednoho místa ovlivní druhé. Toto je detail na úrovni kódu, ale během úplného přijetí se to jeví jako „úprava jednoho obsahu náhodně změní jiný", což lze snadno nesprávně posoudit jako softwarovou chybu.

📊 Srovnání jádra

🎯 Která metoda je pro vás vhodná?

Pokud potřebujete zachovat adresář zdrojových souborů

Při slučování udělejte jasné rozhodnutí o importu původního adresáře a zkontrolujte, zda záložka po sloučení přeskočí na správnou stránku.

Pokud chcete sami naplánovat zadání výstupního souboru na nejvyšší úrovni

Explicitně nastavte import_outline=False a poté ručně vytvořte položku nejvyšší úrovně, abyste předešli smíchání dvou sad adresářů.

Pokud chcete vícekrát vložit různé stránky stejného PDF

Před každým vložením zavolejte reset_translation a zkontrolujte, zda úprava jednoho umístění neovlivní během přijímání další umístění.

Pokud chcete výsledky doručit ostatním

Nejprve zkontrolujte celkový počet stran a počáteční ofset každého dokumentu podle akceptačního formuláře. Pokud existují rozdíly, nedoručujte je přímo.

❓ Často kladené otázky (FAQ)

1. Proč záložky po sloučení přeskakují na nesprávnou stránku?

Záložka zdrojového souboru ukazuje na původní číslo stránky nebo interní odkaz na objekt. Číslo fyzické stránky je po sloučení posunuto a starý strom záložek nebude automaticky aktualizován.

2. Čemu byste měli věnovat pozornost při používání pojmenovaných cílů?

Pokud cíl se stejným názvem existuje v různých zdrojových souborech, později připojený soubor přepíše předchozí definici, což způsobí selhání odkazu.

3. Pokud kód běží úspěšně, znamená to, že může být doručen sloučený výsledek?

nemůže. Úspěšné provedení kódu neznamená, že je výstup k dispozici, a počet stránek, ofsetů a záložek je stále třeba kontrolovat podle kritérií přijatelnosti.

4. Proč explicitně nastavit import_outline=False?

Vyhněte se míchání výchozích importovaných adresářů s ručně přestavěnými položkami nejvyšší úrovně.

📝 Shrnutí

Při slučování souborů PDF se nejprve rozhodněte, zda chcete importovat původní adresář, a poté použijte kombinovaný vzorový formulář a formulář přijetí ke kontrole počtu stránek, odsazení a záložek. Po určení procesu sloučení můžete zvážit kontrolu pořadí stránek, odkazů a integrity obsahu přeloženého rukopisu.

Vyzkoušejte to hned: Nahrajte dokument a začněte překládat při zachování původního rozvržení

Reference

• pypdf Slučování PDF dokumentace
• pypdf PdfWriter API Reference