Pdf on OHTLY Blog

转换 EPUB 为 PDF 并前置目录页

Tue, 28 Jul 2026 14:16:09 +0800

Calibre 的 --pdf-add-toc 会把目录页插在 PDF 末尾，方便打印但不适合电子阅读。EPUB 自带的目录书签完整，但同样落在尾部。

--use-auto-toc 用 XPath 自动生成目录，效果不稳定，经常只匹配到少量标题。

方案链接到标题

两步处理：

Calibre 转换（不加 --pdf-add-toc，保留 EPUB 自带目录）
PyMuPDF 脚本把末尾目录页移到正文前方

ebook-convert input.epub output.pdf

生成的文件目录页在最后两页，用以下脚本移动到第 3 页之后：

import fitz

src = '某书_with_toc.pdf'
dst = '某书_with_toc_moved.pdf'
doc = fitz.open(src)
total = len(doc)
toc_start = total - 2  # 目录页起始位置

# 页面映射：旧页码 → 新页码
old_to_new = {}
idx = 0
for old in range(3):           # 前3页：空白、扉页、格言页
    old_to_new[old] = idx; idx += 1
for old in range(toc_start, total):  # 目录页
    old_to_new[old] = idx; idx += 1
for old in range(3, toc_start):      # 正文
    old_to_new[old] = idx; idx += 1

new_doc = fitz.open()
new_doc.insert_pdf(doc, 0, 2)              # 前3页
new_doc.insert_pdf(doc, toc_start, total-1)  # 目录页
new_doc.insert_pdf(doc, 3, toc_start-1)     # 正文

# 修正书签页码
toc = doc.get_toc()
new_toc = [[lvl, title, old_to_new[page-1]+1] for lvl, title, page in toc]
new_doc.set_toc(new_toc)

new_doc.save(dst)

注意事项链接到标题

--use-auto-toc 的 --level1-toc="//h:h1" 等 XPath 对 EPUB 内部结构依赖大，优先用自带目录
set_toc 需在 insert_pdf 完成后调用，页码为 1-based
如果目录页不在末尾，需先确认 toc_start 位置（通过 get_toc() 或观察页内容）

PDF 水印四层结构的分析与移除

Sun, 19 Jul 2026 11:00:43 +0800

背景链接到标题

一本 A4 尺寸的扫描版 PDF，A4 尺寸的扫描版 PDF。每页底部固定出现水印图样，并包含一个可点击的矩形区域，点击后跳转到外部站点。原始 PDF 使用 Adobe Acrobat Pro DC 17 Paper Capture 生成，具备完整的 OCR 文字层。

目标：彻底移除水印，保留清晰的纯阅读版 PDF。

诊断：水印的四层结构链接到标题

解剖 PDF 内部结构后发现，水印并非单一图层，而是同时嵌入了四个层面：

flowchart TB P["一本扫描版 PDF
多页"] --> L1["Layer 1: Resources/XObject
图片对象引用 /Im1"] P --> L2["Layer 2: 内容流
渲染命令 /Im1 Do"] P --> L3["Layer 3: 文本层
OCR 可选的水印文字"] P --> L4["Layer 4: /Annots
Link 注释 /URI 外部链接"] L1 --> R1["绝大多数页含此引用"] L2 --> R2["绝大多数页含此命令"] L3 --> R3["约绝大多数页含此文本"] L4 --> R4["绝大多数页含此注释"] style L1 fill:#e3f2fd style L2 fill:#e3f2fd style L3 fill:#e3f2fd style L4 fill:#e3f2fd

Layer 1: 每页的 Resources 字典引用了名为 /Im1 的 XObject 图片（xreference → 文件尾部存储的 PNG 图像）
Layer 2: 页面内容流中插入了 q cm /Im1 Do Q 指令序列，负责将图片渲染到页面上
Layer 3: OCR 引擎将水印图片上的文字识别为可选文本，嵌入到内容流中
Layer 4: 页面的 /Annots 数组中定义了一个 Link 注释，框选范围覆盖水印区域，URI 指向外部站点

只有四层全部清除，才算真正移除水印。

macOS 下 Markdown 数学公式正确转 PDF

Wed, 08 Jul 2026 18:48:00 +0800

问题链接到标题

Markdown 里用 $$ 写好的 LaTeX 数学公式：

$$
\nabla \cdot \mathbf{E} = \frac{\rho}{\varepsilon_0}
$$

期望渲染效果：

$$ \nabla \cdot \mathbf{E} = \frac{\rho}{\varepsilon_0} $$

但转 PDF 时，要么公式显示为原始代码，要么中文字体缺失乱码。本文记录 macOS 下的可行方案。

方案一：Pandoc + XeLaTeX（不推荐）链接到标题

brew install basictex
pandoc file.md -o file.pdf --pdf-engine=xelatex -V mainfont='PingFang SC'

公式渲染效果没问题，但输出风格偏 TeX 传统——标题字体、表格样式、公式间距都与现代文档有明显差异，不够美观。

推荐方案：Pandoc + MathJax + Puppeteer 链接到标题

核心思路：用 Pandoc 生成带 MathJax CDN 的 HTML，再用 Puppeteer（Headless Chrome）渲染出 PDF。输出样式完全由 CSS 控制。

Pdf on OHTLY Blog

转换 EPUB 为 PDF 并前置目录页

方案 链接到标题

结果 链接到标题

注意事项 链接到标题

PDF 水印四层结构的分析与移除

背景 链接到标题

诊断：水印的四层结构 链接到标题