使用

指令碼

1. 在github下載原始碼。
2. 安裝python3
3. 安裝必要的python包

pip install numpy
pip install pandas
pip install PyMuPDF
pip install opencv
pip install easyocr
easyocr模型可以不下載，在原始碼easy資料夾中有。

按照PyTorch官網的說明，下載PyTorch。

4. 執行:ATMA.py

windows程式

在百度網路硬碟下載。資料夾下有兩個檔案，選擇一個下載。

• atma_64_F.zip: pyinstaller打包的單檔案，啟動慢，但是解壓後檔案相對較小。
• atma_64_D.zip: 啟動比較快，但是資料夾大。找到資料夾下ATMA.exe開啟即可使用。

基本功能

1. 編輯書籤

    1.1 貼上網上覆制而來的目錄文字:
        (1) 點選選單欄"自動修改"，會自動修改縮排(如果文字中含有"章節"等字眼，或者含有"1.2.3"這樣的序數的話)，
    自動刪去不必要的空字元，標點……
        (2) 點選選單"跳轉頁碼"，修改跳轉頁碼，
        (3) 手動檢查修改一些瑕疵，然後選擇pdf，匯入書籤。
       （4）圖中的羅馬數位不能識別為頁碼，已修復。
   

    1.2 修改PDF中的書籤。匯出pdf書籤……修改……匯入

2. 提取PDF目錄頁的的文字,形成書籤

    速度快。
    效果如下圖。
        (1) 第一行的是自動插入的。
        (2) 提取目錄時指令碼會嘗試自動刪除頁首頁尾等無用的文字。但這些文字跨越多行的話，不能自動刪除。
        (3) 總體而言，如果PDF是文字版的，且其中的文字原本就沒有錯誤(很多PDF中的文字是OCR的)，
        那麼效果還可以，不需要多少人工編輯就可以匯入PDF。
   

3. OCR識別PDF目錄頁面文字:

    缺點是速度慢。如果PDF清晰的話，基本沒什麼錯字。
        效果如下圖:
            (1) 識別前可以設定頁碼偏移。這樣就會將目錄頁碼根據這個偏移量而修改(一般是增加)。
            (2) 一個比較普遍的問題就是，頁碼數位比較小(只有個位數)的話，因為文字框比較小，
            很有可能會被OCR引擎忽略而不識別。
   

            (3) 如果目錄分兩欄、三欄，一定要在引數裡做相應設定。這樣會在識別提前將圖片裁分。
            (4) 下圖OCR輸出的結果，書籤縮排有錯誤。可以點選"自動修改"，自動修改縮排。

介面

1. 標題

    沒有選擇pdf的情況下，顯示"ATMA"。如果選擇了PDF，顯示PDF的檔名+ATMA
   

2. 選單

    2.1 書籤:開啟、儲存、檢查、自動修改文字檔案
   
        2.1.1 新建
        2.1.2 開啟
        2.1.3 儲存
        2.1.4 檢查
            匯入書籤前可以點選"檢查",檢查書籤格式是否有錯誤。正確的(可以匯入)書籤至少滿足下面的要求:
                (1) 每一條書籤(每一行)的縮排不比上一條書籤的縮排大2個層級。
                (2) 每一條書籤都有三個資料(兩個英文分號)。
                (3) 每條書籤的跳轉頁碼不大於PDF的頁面數。
            檢查過後會在軟體下方顯示有錯誤的行的行號。
        2.1.5 自動修改
            (1) 如果書籤文字中有"章節"，序號(如」1.2「)等字眼，會自動修改資料的縮排。
            (2) 提取每行最後的數位作為書籤跳轉頁碼。
            (3) 格式化每一行。如果沒有跳轉頁碼，將跳轉頁碼設為0。
        2.1.6 自動修改（保持縮排）
            和上一個選單作用類似，但是不會修改縮排。
   
    2.2 PDF:選擇操作的PDF，匯入匯出書籤，從PDF頁面中中獲取書籤文字
   
        2.2.1 選擇PDF
            選擇操作的PDF檔案。
   
        2.2.2 增量儲存
            將書籤直接儲存到原PDF中。(類似於一般理解的save，覆蓋儲存)但是，這需要PDF支援。
            如果PDF不支援增量儲存(增量儲存不成功)，就選擇下方的"另存為"。
   
        2.2.3 另存為
            將書籤匯入PDF中，然後將PDF儲存為另一個檔案。
   
        2.3.4 匯出書籤
            將PDF中的書籤匯出。
   
        2.3.5 讀取目錄
            如果PDF是文字版的PDF，可以嘗試通過讀取PDF目錄頁面中文字，形成書籤。
   
        2.3.6 OCR目錄 
            如果PDF是圖片版的，選擇這個。相比上個選項，OCR速度會比較慢。
   
    2.3 編輯
        2.3.1 正則替換
            選單欄下面的"替換"按鈕是不支援正則的。如果想要使用正則替換，
            在下方輸入框輸入搜尋的文字和要替換的文字，然後點選該選單選項。
   

3. 引數輸入框

    輸入引數，然後點選確定。
    "讀取目錄"，"OCR目錄"需要一些引數。這些引數在這裡輸入，輸入後點選確定。
    3.1 開始頁:目錄頁面開始的頁碼
    3.2 終止頁:目錄頁面終止的頁面。如果終止頁是"0",表示唯讀取"開始頁"的那一頁。預設值是0.
    3.3 偏移量:目錄中頁碼數位與實際要跳轉的頁碼直接的差值。
    3.4 分欄數:目錄頁面分欄的數目。OCR的時候需要設定這個引數。預設值是1，即不分欄(只有一欄)。
   

4. 查詢、替換框。

    不支援正則。查詢、替換的結果會高亮。
    要使用正則替換，先在這裡輸入好文字，然後點選選單欄裡的"正則替換"。
   

5. 文字方塊

    輸入Tab會轉換成四個空格。
    不穩定，不要用來編輯其他檔案。
   

6. 狀態列

    顯示一些操作相關的結果
   

7. 行號