Question

此问题仅供参考和比较。解决方案是the accepted answer below。

我花了很多时间寻找一种快速简便的，但主要是准确的，以获取PDF文档中的页数。由于我在一家使用PDF工作的图形打印和复制公司工作，因此在处理文档之前必须准确了解文档中的页数。 PDF文档来自许多不同的客户端，因此它们不是使用相同的应用程序生成的和/或不使用相同的压缩方法。

以下是我发现不足或只是无效的一些答案：

使用Imagick（PHP扩展名）

Imagick需要大量安装，apache需要重新启动，当我最终使用它时，处理时间非常长（每个文档2-3分钟）并且每个文档总是返回1页面（到目前为止还没有看过Imagick的工作副本），所以我扔掉了。那是getNumberImages()和identifyImage()方法。

使用FPDI（PHP库）

FPDI易于使用和安装（只提取文件并调用PHP脚本），但 FPDI不支持许多压缩技术。然后它返回一个错误：

FPDF错误：此文档（test_1.pdf）可能使用FPDI附带的免费解析器不支持的压缩技术。

打开流并使用正则表达式搜索：

这将在流中打开PDF文件并搜索某种类型的字符串，其中包含pagecount或类似内容。

$f = "test1.pdf";
$stream = fopen($f, "r");
$content = fread ($stream, filesize($f));

if(!$stream || !$content)
    return 0;

$count = 0;
// Regular Expressions found by Googling (all linked to SO answers):
$regex  = "/\/Count\s+(\d+)/";
$regex2 = "/\/Page\W*(\d+)/";
$regex3 = "/\/N\s+(\d+)/";

if(preg_match_all($regex, $content, $matches))
    $count = max($matches);

return $count;

/\/Count\s+(\d+)/（查找/Count <number>）不起作用，因为只有少数文档内部有参数/Count，因此大部分时间它都不会返回任何内容。 Source.
/\/Page\W*(\d+)/（查找/Page<number>）没有得到页数，主要包含一些其他数据。 Source.
/\/N\s+(\d+)/（查找/N <number>）也不起作用，因为文档可以包含多个/N值;大多数（如果不是全部）不包含pagecount。 Source.

那么，什么工作可靠而准确？

See the answer below

Answer 1

一个简单的命令行可执行文件，名为： pdfinfo 。

是downloadable for Linux and Windows。您下载包含几个与PDF相关的小程序的压缩文件。在某处提取它。

其中一个文件是 pdfinfo （或Windows的 pdfinfo.exe ）。通过在PDF文档上运行它返回的数据示例：

Title:          test1.pdf
Author:         John Smith
Creator:        PScript5.dll Version 5.2.2
Producer:       Acrobat Distiller 9.2.0 (Windows)
CreationDate:   01/09/13 19:46:57
ModDate:        01/09/13 19:46:57
Tagged:         yes
Form:           none
Pages:          13    <-- This is what we need
Encrypted:      no
Page size:      2384 x 3370 pts (A0)
File size:      17569259 bytes
Optimized:      yes
PDF version:    1.6

我还没有看到它返回虚假页面数量的PDF文档。它也非常快，即使有200多MB的大文档，响应时间也只需几秒钟。

有一种从输出中提取页面计数的简单方法，在PHP中：

// Make a function for convenience 
function getPDFPages($document)
{
    $cmd = "/path/to/pdfinfo";           // Linux
    $cmd = "C:\\path\\to\\pdfinfo.exe";  // Windows

    // Parse entire output
    // Surround with double quotes if file name has spaces
    exec("$cmd \"$document\"", $output);

    // Iterate through lines
    $pagecount = 0;
    foreach($output as $op)
    {
        // Extract the number
        if(preg_match("/Pages:\s*(\d+)/i", $op, $matches) === 1)
        {
            $pagecount = intval($matches[1]);
            break;
        }
    }

    return $pagecount;
}

// Use the function
echo getPDFPages("test 1.pdf");  // Output: 13

当然，这个命令行工具可以用于其他可以解析外部程序输出的语言，但我在PHP中使用它。

我知道它不是纯PHP ，但外部程序方式在PDF处理方面更好（如问题所示）。

我希望这可以帮助别人，因为我花了很多时间试图找到解决方案，我已经看到很多关于PDF pagecount的问题，其中我找不到我想要的答案。这就是为什么我提出这个问题并自己回答。

Answer 2

最简单的是使用 ImageMagick

这是一个示例代码

$image = new Imagick();
$image->pingImage('myPdfFile.pdf');
echo $image->getNumberImages();

否则您也可以使用PDF或MPDF等TCPDF库来PHP

Answer 3

如果您有权访问shell，则最简单（但不能在100％的PDF上使用）的方法是使用grep。

这应该只返回页数：

grep -m 1 -aoP '(?<=\/N )\d+(?=\/)' file.pdf

示例：https://regex101.com/r/BrUTKn/1

切换说明：

-m 1是必要的，因为一些文件可以有多个匹配的正则表达式模式（需要使用volonteer将其替换为仅匹配的第一个正则表达式解决方案扩展名）
-a是将二进制文件视为文本
-o仅显示匹配
-P使用Perl正则表达式

正则表达式解释：

开始“分隔符”：(?<=\/N ) /N的后视（这里没有看到空格字符）
实际结果：\d+任意位数
结束“分隔符”：(?=\/)预见/

Nota bene：如果在某些情况下找不到匹配，则假设只有1页存在是安全的。

Answer 4

由于可以使用命令行实用程序，因此可以使用cpdf（Microsoft Windows / Linux / Mac OS X）。要获取一份PDF中的页数：

cpdf.exe -pages "my file.pdf"

Answer 5

您可以像下面一样使用qpdf。如果file_name.pdf文件有100页，

$ qpdf --show-npages file_name.pdf
100

Answer 6

我基于Richard的答案@

为pdfinfo创建了一个包装类，以防对任何人有用

/**
 * Wrapper for pdfinfo program, part of xpdf bundle
 * http://www.xpdfreader.com/about.html
 * 
 * this will put all pdfinfo output into keyed array, then make them accessible via getValue
 */
class PDFInfoWrapper {

    const PDFINFO_CMD = 'pdfinfo';

    /**
     * keyed array to hold all the info
     */
    protected $info = array();

    /**
     * raw output in case we need it
     */
    public $raw = "";

    /**
     * Constructor
     * @param string $filePath - path to file
     */
    public function __construct($filePath) {
        exec(self::PDFINFO_CMD . ' "' . $filePath . '"', $output);

        //loop each line and split into key and value
        foreach($output as $line) {
            $colon = strpos($line, ':');
            if($colon) {
                $key = trim(substr($line, 0, $colon));
                $val = trim(substr($line, $colon + 1));

                //use strtolower to make case insensitive
                $this->info[strtolower($key)] = $val;
            }
        }

        //store the raw output
        $this->raw = implode("\n", $output);

    }

    /**
     * get a value
     * @param string $key - key name, case insensitive
     * @returns string value
     */
    public function getValue($key) {
        return @$this->info[strtolower($key)];
    }

    /**
     * list all the keys
     * @returns array of key names
     */
    public function getAllKeys() {
        return array_keys($this->info);
    }

}

Answer 7

这是一个简单的示例，可以通过PHP获取PDF的页数。

URLField

Answer 8

如果您无法安装任何其他套餐，您可以使用这个简单的单行程序：

foundPages=$(strings < $PDF_FILE | sed -n 's|.*Count -\{0,1\}\([0-9]\{1,\}\).*|\1|p' | sort -rn | head -n 1)

Answer 9

这是一个R函数，它使用pdfinfo命令报告PDF文件页码。

pdf.file.page.number <- function(fname) {
    a <- pipe(paste("pdfinfo", fname, "| grep Pages | cut -d: -f2"))
    page.number <- as.numeric(readLines(a))
    close(a)
    page.number
}
if (F) {
    pdf.file.page.number("a.pdf")
}

Answer 10

这是一个使用gsscript报告PDF文件页码

的Windows命令脚本

@echo off
echo.
rem
rem this file: getlastpagenumber.cmd
rem version 0.1 from commander 2015-11-03
rem need Ghostscript e.g. download and install from http://www.ghostscript.com/download/
rem Install path "C:\prg\ghostscript" for using the script without changes \\ and have less problems with UAC
rem

:vars
  set __gs__="C:\prg\ghostscript\bin\gswin64c.exe"
  set __lastpagenumber__=1
  set __pdffile__="%~1"
  set __pdffilename__="%~n1"
  set __datetime__=%date%%time%
  set __datetime__=%__datetime__:.=%
  set __datetime__=%__datetime__::=%
  set __datetime__=%__datetime__:,=%
  set __datetime__=%__datetime__:/=% 
  set __datetime__=%__datetime__: =% 
  set __tmpfile__="%tmp%\%~n0_%__datetime__%.tmp"

:check
  if %__pdffile__%=="" goto error1
  if not exist %__pdffile__% goto error2
  if not exist %__gs__% goto error3

:main
  %__gs__% -dBATCH -dFirstPage=9999999 -dQUIET -dNODISPLAY -dNOPAUSE  -sstdout=%__tmpfile__%  %__pdffile__%
  FOR /F " tokens=2,3* usebackq delims=:" %%A IN (`findstr /i "number" test.txt`) DO set __lastpagenumber__=%%A 
  set __lastpagenumber__=%__lastpagenumber__: =%
  if exist %__tmpfile__% del %__tmpfile__%

:output
  echo The PDF-File: %__pdffilename__% contains %__lastpagenumber__% pages
  goto end

:error1
  echo no pdf file selected
  echo usage: %~n0 PDFFILE
  goto end

:error2
  echo no pdf file found
  echo usage: %~n0 PDFFILE
  goto end

:error3
  echo.can not find the ghostscript bin file
  echo.   %__gs__%
  echo.please download it from:
  echo.   http://www.ghostscript.com/download/
  echo.and install to "C:\prg\ghostscript"
  goto end

:end
  exit /b

Answer 11

R包pdftools和函数pdf_info()提供有关pdf中页数的信息。

library(pdftools)
pdf_file <- file.path(R.home("doc"), "NEWS.pdf")
info <- pdf_info(pdf_file)
nbpages <- info[2]
nbpages

$pages
[1] 65

Answer 12

这似乎工作得很好，无需特殊包或解析命令输出。

<?php                                                                               

$target_pdf = "multi-page-test.pdf";                                                
$cmd = sprintf("identify %s", $target_pdf);                                         
exec($cmd, $output);                                                                
$pages = count($output);

获取PDF文档中的页数

此问题仅供参考和比较。解决方案是the accepted answer below。

使用Imagick（PHP扩展名）

使用FPDI（PHP库）

打开流并使用正则表达式搜索：

那么，什么工作可靠而准确？

12 个答案:

一个简单的命令行可执行文件，名为： pdfinfo 。