pip install pypdf

# -*- coding: utf-8 -*-
import re
from pathlib import Path
from pypdf import PdfReader, PdfWriter

import tkinter as tk
from tkinter import filedialog, messagebox

# ================= 配置區(qū)域 =================

# 章節(jié)標(biāo)題匹配規(guī)則（適合：第1章 / 第 1 章 / 第一章 / 第十四章 等）
CHAPTER_PATTERN = re.compile(
    r"第\s*[一二三四五六七八九十百千0-9]+\s*章[^\n\r]*"
)

# 是否額外按“頁”拆成單頁 PDF
EXPORT_SINGLE_PAGES = True

# ==========================================

# GUI 全局對象占位
root = None
log_text = None

def sanitize_filename(name: str) -> str:
    """
    去掉 Windows 不支持的文件名字符。
    """
    return re.sub(r'[\\/:*?"<>|]', "_", name)


# ---------- 方案一：優(yōu)先從 PDF 書簽(outline) 中找章節(jié) ----------

def find_chapters_from_outline(reader: PdfReader):
    """
    從 PDF 書簽(outline) 中找出章節(jié)：
      - 遍歷所有書簽
      - 標(biāo)題里匹配 CHAPTER_PATTERN（第X章……）
      - 獲取對應(yīng)頁碼
    返回: [{title: '第1章 xxx', start: 0}, ...]
    """
    chapters = []

    # 兼容不同版本的 pypdf：有的叫 outline，有的叫 outlines
    try:
        outlines = reader.outline
    except Exception:
        try:
            outlines = reader.outlines
        except Exception:
            outlines = None

    if not outlines:
        return []

    def walk(items):
        for item in items:
            # 子列表：繼續(xù)遞歸
            if isinstance(item, list):
                walk(item)
            else:
                # 嘗試拿書簽標(biāo)題
                try:
                    title = item.title
                except AttributeError:
                    title = str(item)
                if not isinstance(title, str):
                    title = str(title)

                # 標(biāo)題里不含“第X章”就跳過
                if not CHAPTER_PATTERN.search(title):
                    continue

                # 拿到書簽指向的頁碼
                try:
                    page_num = reader.get_destination_page_number(item)
                except Exception:
                    continue

                chapters.append({"title": title.strip(), "start": page_num})

    walk(outlines)

    # 去重、排序（同一頁只保留一個章節(jié)）
    unique = {}
    for ch in chapters:
        if ch["start"] not in unique:
            unique[ch["start"]] = ch

    chapters = sorted(unique.values(), key=lambda c: c["start"])
    return chapters


# ---------- 方案二：從正文文本中猜章節(jié)（備用） ----------

def find_chapters_from_text(reader: PdfReader):
    """
    掃描整個 PDF 正文，猜每一章的“起始頁”以及章節(jié)標(biāo)題。
    規(guī)則大致是：
      - 排除“目錄/contents”頁面
      - 一頁內(nèi)允許有多個“第X章”，逐個判斷
      - 只要某個匹配出現(xiàn)在頁面較前面，且所在行不像目錄行(標(biāo)題 + ...... + 頁碼) 就認(rèn)為是章節(jié)開始
    返回: [{title: '第1章 xxx', start: 0}, ...]
    """
    chapters = []
    num_pages = len(reader.pages)

    for i in range(num_pages):
        page = reader.pages[i]
        text = page.extract_text() or ""
        if not text.strip():
            continue

        # 跳過目錄頁（粗略判斷即可）
        head = text[:100]
        if "目錄" in head or "Contents" in head or "CONTENTS" in head:
            continue

        # 遍歷此頁所有匹配 "第X章"
        for m in CHAPTER_PATTERN.finditer(text):
            # 要求標(biāo)題出現(xiàn)在頁面比較靠前的位置
            if m.start() > 400:   # 這個閾值可以按需要微調(diào)
                continue

            # 找到這一行的文本內(nèi)容
            lines = text.splitlines()
            line_of_match = ""
            char_pos = 0
            for line in lines:
                next_pos = char_pos + len(line) + 1  # 粗略算上換行
                if m.start() < next_pos:
                    line_of_match = line
                    break
                char_pos = next_pos

            # 目錄行一般是：標(biāo)題 + 一串點 + 頁碼
            # 例如：第1章 人際關(guān)系的構(gòu)成..................1
            if re.search(r"[\.·…]{3,}\s*\d+\s*$", line_of_match):
                # 像目錄的行，忽略
                continue

            title = m.group(0).strip()

            # 同一頁只認(rèn)一個章節(jié)起點
            if not any(ch["start"] == i for ch in chapters):
                chapters.append({"title": title, "start": i})
                break  # 當(dāng)前頁已經(jīng)找到一個章節(jié)了，后面不再找

    return chapters


# ---------- 包一層：帶 logger 的 find_chapters ----------

def find_chapters(reader: PdfReader, logger=print):
    chapters = find_chapters_from_outline(reader)
    if chapters:
        logger("? 使用 PDF 書簽識別章節(jié)")
        return chapters

    logger("?? 此 PDF 沒有可用書簽，改用正文文本識別章節(jié)")
    chapters = find_chapters_from_text(reader)
    return chapters


def fill_chapter_ranges(chapters, num_pages):
    """
    根據(jù) start 頁自動計算每章的 end 頁。
    修改 chapters 列表，增加 end 字段。
    """
    for idx, ch in enumerate(chapters):
        start = ch["start"]
        if idx < len(chapters) - 1:
            end = chapters[idx + 1]["start"] - 1
        else:
            end = num_pages - 1
        ch["end"] = end
    return chapters


def split_pdf_by_chapters(pdf_path, output_root, logger=None):
    """
    真正拆分 PDF 的函數(shù)，所有信息通過 logger 輸出到日志區(qū)域
    """
    if logger is None:
        logger = print

    pdf_path = Path(pdf_path)
    output_root = Path(output_root)

    if not pdf_path.exists():
        msg = f"PDF 文件不存在: {pdf_path}"
        logger(msg)
        raise FileNotFoundError(msg)

    reader = PdfReader(str(pdf_path))
    num_pages = len(reader.pages)

    book_name = pdf_path.name
    logger(f"開始處理：{book_name}")
    logger(f"總頁數(shù)：{num_pages}")

    # 1. 找章節(jié)
    chapters = find_chapters(reader, logger=logger)
    if not chapters:
        msg = "未識別到任何章節(jié)標(biāo)題，請檢查：PDF 是否有書簽/正文是否能提取文字/正則是否合適。"
        logger(msg)
        raise ValueError(msg)

    logger(f"共識別到 {len(chapters)} 章：")
    for idx, ch in enumerate(chapters, start=1):
        logger(f"  第{idx}章 → {ch['title']}（起始頁：{ch['start'] + 1}）")

    # 2. 填充每章的結(jié)束頁
    chapters = fill_chapter_ranges(chapters, num_pages)

    # 3. 創(chuàng)建輸出根目錄
    output_root.mkdir(parents=True, exist_ok=True)
    logger(f"輸出目錄：{output_root}")

    # 4. 按章節(jié)導(dǎo)出
    for idx, ch in enumerate(chapters, start=1):
        title = ch["title"]
        start_page = ch["start"]         # 0-based
        end_page = ch["end"]             # 0-based
        page_count = end_page - start_page + 1

        safe_title = sanitize_filename(title)
        chapter_dir = output_root / f"{idx:02d}_{safe_title}"
        chapter_dir.mkdir(parents=True, exist_ok=True)

        logger("")
        logger(f"==== 處理章節(jié) {idx}: {title} ====")
        logger(f"頁碼范圍: {start_page + 1} - {end_page + 1}（共 {page_count} 頁）")
        logger(f"章節(jié)輸出目錄: {chapter_dir}")

        # 4.1 導(dǎo)出“整章一個 PDF”
        chapter_writer = PdfWriter()
        for p in range(start_page, end_page + 1):
            chapter_writer.add_page(reader.pages[p])

        chapter_pdf_path = chapter_dir / f"{idx:02d}_{safe_title}.pdf"
        with open(chapter_pdf_path, "wb") as f:
            chapter_writer.write(f)

        logger(f"  ? 已生成整章 PDF: {chapter_pdf_path.name}")

        # 4.2 可選：每一頁單獨導(dǎo)出
        if EXPORT_SINGLE_PAGES:
            for p in range(start_page, end_page + 1):
                writer = PdfWriter()
                writer.add_page(reader.pages[p])

                # 頁碼用 1 開始，且補零對齊，例如 p0001.pdf
                page_label = f"p{p + 1:04d}.pdf"
                single_page_path = chapter_dir / page_label
                with open(single_page_path, "wb") as f:
                    writer.write(f)
            logger("  ? 已生成單頁 PDF 文件（按頁命名）")

    logger("")
    logger("?? 拆分完成！")


# ========= GUI 部分（兩個按鈕 + 日志框） =========

selected_pdf_file = ""
selected_output_dir = ""

def append_log(msg: str):
    """寫日志到 Text，并自動滾動"""
    if log_text is None:
        print(msg)
        return
    log_text.config(state="normal")
    log_text.insert(tk.END, msg + "\n")
    log_text.see(tk.END)
    log_text.config(state="disabled")
    # 刷新一下界面，讓日志滾動更及時
    if root is not None:
        root.update_idletasks()


def choose_pdf():
    """按鈕1：選擇 PDF 文件"""
    global selected_pdf_file
    path = filedialog.askopenfilename(
        title="請選擇 PDF 文件",
        filetypes=[("PDF 文件", "*.pdf"), ("所有文件", "*.*")]
    )
    if path:
        selected_pdf_file = path
        label_pdf.config(text=f"已選擇 PDF：{path}")
        append_log(f"已選擇 PDF 文件：{path}")


def choose_output_and_run():
    """按鈕2：選擇輸出目錄并開始拆分"""
    global selected_output_dir, selected_pdf_file

    if not selected_pdf_file:
        messagebox.showwarning("提示", "請先選擇 PDF 文件！")
        return

    path = filedialog.askdirectory(title="請選擇輸出目錄")
    if not path:
        return

    selected_output_dir = path
    label_output.config(text=f"輸出目錄：{path}")
    append_log("")
    append_log(f"輸出目錄設(shè)置為：{path}")
    append_log("開始拆分，請稍候...\n")

    # 清理一下舊的錯誤提示
    try:
        split_pdf_by_chapters(selected_pdf_file, selected_output_dir, logger=append_log)
        messagebox.showinfo("完成", "拆分完成！\n請到輸出目錄查看各章節(jié)文件夾。")
    except Exception as e:
        append_log(f"? 出錯：{e}")
        messagebox.showerror("錯誤", f"處理過程中出現(xiàn)錯誤：\n{e}")


if __name__ == "__main__":
    # 創(chuàng)建窗口
    root = tk.Tk()
    root.title("PDF 章節(jié)拆分工具")
    root.geometry("400x400")   # 固定為 400x400 的窗口
    root.resizable(False, False)

    # 上半部分：按鈕區(qū)域
    btn_frame = tk.Frame(root)
    btn_frame.pack(padx=10, pady=10, fill="x")

    # 按鈕1：選擇 PDF
    btn_pdf = tk.Button(btn_frame, text="1. 請選擇你的 PDF 文件", command=choose_pdf)
    btn_pdf.pack(fill="x")

    label_pdf = tk.Label(btn_frame, text="尚未選擇 PDF 文件", anchor="w")
    label_pdf.pack(fill="x", pady=(5, 10))

    # 按鈕2：選擇輸出目錄 + 開始拆分
    btn_output = tk.Button(btn_frame, text="2. 請選擇輸出目錄并開始拆分", command=choose_output_and_run)
    btn_output.pack(fill="x")

    label_output = tk.Label(btn_frame, text="尚未選擇輸出目錄", anchor="w")
    label_output.pack(fill="x", pady=(5, 0))

    # 下半部分：日志輸出區(qū)域（帶滾動條）
    log_frame = tk.Frame(root)
    log_frame.pack(padx=10, pady=10, fill="both", expand=True)

    log_text = tk.Text(log_frame, state="disabled")
    log_text.pack(side="left", fill="both", expand=True)

    scrollbar = tk.Scrollbar(log_frame, command=log_text.yview)
    scrollbar.pack(side="right", fill="y")

    log_text.config(yscrollcommand=scrollbar.set)

    append_log("日志初始化完成。")
    append_log("提示：先選擇 PDF 文件，再選擇輸出目錄開始拆分。")

    root.mainloop()