提取pdf目录，并且分级

import fitz  # PyMuPDF
import pandas as pd

# 打开PDF文件
pdf_path = '控制之美.pdf'  # 请确保替换为正确的文件路径
document = fitz.open(pdf_path)

# 初始化一个列表来存储目录信息
toc_list = []

# 提取目录信息的函数
def extract_toc(toc, level=0):
    for item in toc:
        # 确保目录项至少包含标题
        if len(item) > 1 and item[1]:
            title = item[1]
            # 检查标题的首字符
            if title[0].isdigit():
                title_level = 2
            else:
                title_level = 1
            # 确保页码是数字类型
            page = item[2] if len(item) > 2 and isinstance(item[2], int) else None
            if page is not None:
                # 添加条目到列表
                toc_list.append({
                    'Title': title,
                    'Page': page,
                    'Level': level + title_level
                })
            # 如果有子条目，递归提取
            if len(item) > 3 and item[3]:  # 子条目在索引3
                extract_toc(item[3], level)

# 获取PDF的目录
toc = document.get_toc(simple=False)

# 提取目录信息
extract_toc(toc)

# 关闭PDF文件
document.close()

# 将列表转换为DataFrame
toc_df = pd.DataFrame(toc_list)

# 将DataFrame输出到CSV文件
toc_df.to_csv('output.csv', index=False, encoding='utf-8')