青苹果数据中心家庭藏书集锦pdf书签修复工具
本帖最后由 wingdd 于 2024-5-30 16:51 编辑青苹果数据中心出版的
家庭藏书集锦 家庭生活与艺术
家庭藏书集锦 法律经济军事
家庭藏书集锦 哲学
二十五史全集CD1
二十五史全集CD2
家庭藏书集锦 历史
家庭藏书集锦 马恩列全集
家庭藏书集锦 百科全书
上面的光盘的pdf在adobe reader 福晰阅读器下书签显示乱码,需要修正书签
UnicornViewer可以正常浏览,但是PdgCntEditor编辑书签有时会出现乱码.
回归问题的本质,早期青苹果数据中心出版的这些电子图书pdf内部书签文本编码不规范
这些pdf的书签使用不规范的Unicode编码字符串,gbk编码字符和8进制转义字符,甚至在这些文本中还有针对于换行符回车符的转义字符
既然问题清楚了,只需要修改对应的书签文本,使之符合pdf的标准,就能让这些pdf在阅读器下正常工作.
执行命令
修复效果
测试了1000多个pdf未发现异常.
代码
use feature 'say';
use strict;
use warnings;
use utf8;
use open IN => ':raw', OUT => ':raw';
use Encode ( 'decode', 'encode' );
my ( $filename_in, $filename_out ) = @ARGV;
if ( ( not defined $filename_in ) || ( not defined $filename_out ) ) {
die "perl 修复早期青苹果pdf书签.pl <input.pdf> <out.pdf>\n";
}
open my $fh1, "<", $filename_in or die $!;
my $pdf_bin = do { local $/; <$fh1>; };
close $fh1;
sub deal_with_obj {
my $obj = $_;
if ( ( $obj =~ m/\/Title \(([^\n]+)\)/s ) && ( $obj =~ m/\/First |\/Parent / ) ) {
$obj =~ m/\/Title \(([^\n]+)\)/s;
my $title = $1;
$title =~ s/\r|\n//g;
if ( $title =~ m/\A\x{ff}\x{fe}/ ) {
#say 'fffe';
$title =~ s/\A\x{ff}\x{fe}//;
$title =~ s/\\n/\n/g;
$title =~ s/\\r/\r/g;
$title =~ s/\\t/\t/g;
$title =~ s/\\(.)/$1/g;
my $out_str_escaped = "<" . "feff" . unpack( 'H*', $title ) . ">";
$obj =~ s/\/Title \(([^\n]+)\)/"\/Title ".$out_str_escaped/es;
}
elsif ( $title =~ m/\A\x{fe}\x{ff}/ ) {
#say 'feff';
$title =~ s/\A\x{fe}\x{ff}//;
$title =~ s/\\n/\n/g;
$title =~ s/\\r/\r/g;
$title =~ s/\\t/\t/g;
$title =~ s/\\(.)/$1/g;
my $out_str_escaped = "<" . "feff" . unpack( 'H*', $title ) . ">";
$obj =~ s/\/Title \(([^\n]+)\)/"\/Title ".$out_str_escaped/es;
}
elsif ( $title =~ m/\\\d{3}/ ) {
#say '\\000';
my $out_str = "";
$title =~ s/\\n/\\014/g;
$title =~ s/\\r/\\015/g;
$title =~ s/\\t/\\011/g;
while ( $title =~ m/(\\\d{3}|[ -'\*-\/:-\[\]-~0-9])/g ) {
my $chars = $1;
if ( $chars =~ m/\\\d{3}/ ) {
my $chars_new = $chars;
$chars_new =~ s/\\//;
my $str = pack( 'H*', sprintf( "%02x", oct( '0' . $chars_new ) ) );
$out_str = $out_str . $str;
}
else {
$out_str = $out_str . $chars;
}
}
if ( $out_str =~ m/\A\x{ff}\x{fe}/ ) {
$out_str =~ s/\x{ff}\x{fe}//;
}
else {
$out_str = encode( 'UTF-16BE', decode( 'gbk', $out_str ) );
}
my $out_str_escaped = "<" . "feff" . unpack( 'H*', $out_str ) . ">";
$obj =~ s/\/Title \(([^\n]+)\)/"\/Title ".$out_str_escaped/es;
}
else {
#say 'gbk';
$title =~ s/\\n/\n/g;
$title =~ s/\\r/\r/g;
$title =~ s/\\t/\t/g;
$title =~ s/\\(.)/$1/g;
my $out_str_encode= encode( 'UTF-16BE', decode( 'gbk', $title ) );
my $out_str_escaped = "<" . "feff" . unpack( 'H*', $out_str_encode ) . ">";
$obj =~ s/\/Title \(([^\n]+)\)/"\/Title ".$out_str_escaped/es;
}
}
return $obj;
}
$pdf_bin =~ s/(\d+ \d+ obj(\r|\n|\r\n).+?(\r|\n|\r\n)endobj(\r|\n|\r\n))/deal_with_obj($1)/esg;
open my $fh2, ">", $filename_out or die $!;
print $fh2 $pdf_bin;
close $fh2;
感觉有用的朋友可以下载附件支持一下.
感谢分享！青苹果的书好像见过。 meibf 发表于 2024-5-30 23:55
感谢分享！青苹果的书好像见过。
很老的书了，大约20年前在D版盘上见过，不是清晰版。
研究精神！解决问题能力！ 编程能力厉害? agent124 发表于 2024-5-31 02:50
很老的书了，大约20年前在D版盘上见过，不是清晰版。
青苹果的pdf应该是文字版的。 有乱码的地方不仅是书签。而且这套书还有其他问题，包括字体缺失、内容重复等，PDFToy的好几次升级都是针对这套书籍的修复需求。
看过青苹果的epub/azw3，这机构出的书都很垃圾，一个个的还非要盯着它修复，没有其他选择了吗？ 以前为了看这套书还下了个方正的阅读器。但是太难用，而且没有移动版。
后来想办法，用pdf补丁丁修复字体，但还是有个别字会缺失，太麻烦了，还不如不看这套书。 xcnf 发表于 2024-5-31 14:13
以前为了看这套书还下了个方正的阅读器。但是太难用，而且没有移动版。
后来想办法，用pdf补丁丁修复字体 ...
如果不想修复PDF中的字体，直接从win98中复制两种字体过来即可
下载一个看看
仔细研究过，总共缺4个字体，要从win98里面复制过来：
黑体、宋体、仿宋_GB2312、楷体_GB2312
我用pdf补丁丁是这样替换字体的，替换完毕后还是正常的：
加载字体：汉仪中黑S Regular(替换 黑体)
加载字体：HYSuperSCJK(替换 宋体)
加载字体：方正仿宋_GBK(替换 仿宋_GB2312)
加载字体：方正楷体_GBK(替换 楷体_GB2312) 我也遇到过电子书正文也是乱码。 编程能力厉害?
PDFToy哪里有下啊 感谢分享 这小白是需要学习基础才能懂 woyaodwn 发表于 2024-6-1 11:56
编程能力厉害?
PDFToy哪里有下啊
https://www.cnblogs.com/stronghorse/p/14572080.html
看最后一段
页:
[1]