在拼多多卖 PDF 工具,一个买家问我:能不能给 PDF 加个能点的目录?今天交付了

前几天月一个买家在客服窗口问我：能不能给 PDF 加个能点的目录？他还发来一份两百多页的标书截图——目录印在那里，看得见，点不动。

我说可以，三天给你做出来。

第一版，当天就翻车了

我的思路很简单：PDF 内部本来就存着书签（大纲），读出来排个版不就行了。结果拿他的标书一跑，列表是空的。

那本书根本没做过书签，目录是印在纸面排版里的。书签是书签，目录页是目录页，两回事。我只能改方案：把目录页那一屏的文字按坐标抓下来，同一行字被拆成几段的按位置合并，再按左边的缩进还原层级——标题越靠右，层级越深。

跑通了，又冒出新问题：目录页码写的是"第 12 页"，可我在文档前面插了 4 页目录，原来的第 12 页现在在第 16 页。所有链接的目标都得重算，还得防止页码倒挂。这一步没做对，生成的目录点过去全是错的。

更烦的是字体。我想给标题加粗描边让它更醒目，结果内置中文字体不支持描边，宋体直接糊成一团黑块；页码数字用中文字体渲染，间距宽得没法看。最后数字换成西文字体，才规整下来。还有打包：PyInstaller 默认把一堆用不上的重型库全塞进包里，体积一度冲到 103MB，逐个排除之后压回 28MB。

买家一句"没有章节能叫目录吗"，把我问住了

另一个买标书的用户试完说：生成的目录里"第一章、第一节"怎么没了？没有章节层级，那还能叫目录吗？

我回去把那份标书翻了个底朝天，发现它里面藏了两套目录（模板自带的和后来加的），我的程序混着抓了 176 条。修完这个问题，我给自己定了条死规矩：

原文有目录，就严格按照原文，一个字不改；原文没有，就按公文和招投标的标准格式自动编号。

工具不该替用户做主。

没有目录的 PDF，也该有出路

后来我又遇到两类文件。一种是论文，没书签也没目录页，但正文里有"1.1""1.2.1"这种编号标题——那就扫正文，按编号模式和字号把标题挑出来，自动编一套目录。

最麻烦的是纯扫描件：一百多页全是图片，连一个字的文字层都没有。文字解析这条路彻底堵死，只剩 OCR。第三方的 OCR 要么收费，要么联网上传文档——标书是涉密的东西，传出去就是事故。最后我用了 Windows 系统自带的离线 OCR：系统本来就有，买家电脑开箱即用，逐页渲染成图片再识别，筛掉正文里的编号列表、图表题注和识别碎片，只留真正的标题。一百零三页的扫描标书，五十七秒，识别出一百二十四条四级标题，全部能点、页码全对。全程本地运行，不上传一页纸。

现在的识别链是四级：原文目录页 → 书签 → 正文标题扫描 → 扫描件 OCR。不管什么样的 PDF，丢进去就行。

顺便踩了商业化的坑

工具要上架卖，就得加授权。我做了一机一码：软件读机器码，买家把机器码发我，我发回激活码，39.9 元买断终身。

第一次演示就出丑——我没用过试用，打开却提示"试用已用完"。查了半天，是我在自己电脑上测试时把试用标记写进了系统，残留了。第二次更尴尬：试用用完后点"生成"，软件报了个"没有有效目录条目"的错误，用户一脸懵。位置错了，闸门应该拦在生成入口，直接弹激活窗口，而不是跑到业务逻辑里报错。

一个功能好不好用，一半在代码，一半在你有没有把自己当成第一个用户，把所有路径亲手走一遍。

定价我也琢磨了一阵。九块九的时代，工具类软件靠走量，但售后成本摆在那——激活、发码、答疑，一单几块钱根本覆盖不了。三十九块九，买断终身，一机一码：买家不用订阅续费，我不用天天防着授权被破解。试用只给一次完整生成，够买家验证效果，又不至于被白嫖。

买家最后只问了一句

折腾完这些，那位买家拿到成品，只问了一句："点了能跳过去吗？"

能。

他付了钱，给了好评。

要看测试效果请移步到视频号