在2021年，笔者曾经发布过数篇关于芯片工程师软实力的文章，具体链接见Python的进击（上）-- IC工程师的软实力，如今已经过去了一年有半了，芯片工程师的软实力之路依然坚持，最近通过解决生活中的一个小诉求，再次用这个不务正业的软实力解决了孩童教育的一个小问题，这个案件比较有趣，这里也不敢独享，通过这篇短文分享给各位有孩童教育需求的朋友们。闲言少叙，ICer Go！
孩子都有学习生字的教育需求，为了提升孩子的生字学习能力，孩子母亲给孩子购买了《洪恩识字》这个APP。这里确实要对这个APP点点赞，有趣的设计，寓教于乐，也有董浩叔叔和金龟子的加盟，APP整体风格非常好，孩子也很喜欢。生字学的非常快，每天都会主动要求学一会，让家长生了不少心。
一个小问题
对于家长而言，孩子在寓教于乐的小游戏中学习生字，总是有一种苦恼，如果环境改变，生字顺序调整，那么小朋友的的生字能力还可以吗？如果换成纸质文档，小朋友会不会有阅读障碍呢？对于，这些问题，洪恩识字也很贴心，推出了生字复习PDF功能，类似下面这种格式：
这种字卡的功能是识字加练字，缺点是每页的生字量很少，如果打印200个生字，基本需要40页，如果只是用于字卡功能，那么也是造成无效的碳排放。
方案成果
对于测试小朋友的生字检查，家长更需要的是类似字卡的功能，为了实现这一个小目标，python的各种操作跃然纸上。基于洪恩的PDF，python最后生成的字卡是这样的（可打印的PDF A4版式格式）
自制字卡特点如下
- 一页54个汉字，将文件（打印）量压缩到原本的10%左右
- 保持原有字体大小和格式，保持专注度，
- 乱序排布，减少上下文依赖
小朋友看到第一张打印版的时候，确实非常高兴，每天都会对于各种排序的字卡进行训练，也算是对开发人员的一种认可吧。
设计思路
源数据分析
洪恩的字卡是PDF图片格式，不会允许简单的赋值黏贴的，如果直接转存text，结果类似是这样的
可以看到，PDF每页只有图片，没有任何其他任何有用的信息。所以多以这种防复制的PDF，最好的方法就是以“图”攻“图”。
PDF截图
洪恩的PDF很有规律，每一页都是5个字，可以推测，原始PDF也是用程序进行开发/导出的，一致性非常高。
每个字都是在一列上，当然需要有一个起始偏移。和一个轮询控制（每页5此轮询）
看起来挺简单的。好，开始造轮子，错，开始看看有没有现成的轮子可以用。
python包
为了实现这个目标，这里有几个地方（包）需要澄清（下载）。
- PDF文件读取和截图：fitz
- 拼图：PIL
- 添加页码：cv2
程序流程
基本属于简单的顺序执行，使用python的主要原因还是强大的社区支持和多元的包环境，开发者也使用了VS Code和github代码托管（文尾会附上git路径，供有兴趣/需要的朋友自由下载）
- 读入PDF，并分页
- 对每页的进行五次区域截图，并把每一个截图保存到一个目录里，类似这样：
- 将这个目录里的图片进行图片合并。这里需要考虑目标图片的高宽和图片拼接的行和列。采用乱序拼接的结果类似如下
- 添加页码：由于每页只有54个汉字，所以一定是多页，为了方便学习使用，这里在页尾需要页码/总页码的标记。完成后类似下面：
- 可打印文件格式规划。上述的单张图片格式不是很方便交付和打印，需要进行PDF合并，然后提交打印任务，由于字体很大，而且字卡对颜色不要求，建议使用黑白双面打印方法，从点滴做起，减少碳排放
基本到此，整个小任务完成。python是非常强大，易用，高效，多接口的脚本语言，从解决工作上的一些诉求发展到解决了生活中的一些小问题，也算是忙碌的工程师可以给家里做的一点点贡献吧。无论怎样，小朋友的笑容是对整个开发过程和开发者的最大的认可。
对了，这里附上git链接，欢迎大家使用指正： [email protected]:icer2020/pdf_capture.git