我们探索了许多API，如tika，Pdfbox和itextpdf，以从pdf文件中提取页码，但我们无法做到这一点。在itextpdf中，我们得到了PdfPageLabels.getPageLabels（reader），但这种方法的行为并不统一。
答案 0 :(得分：4)
您找不到任何能够从PDF中提取页码的软件的原因很简单：PDF中不存在页码的概念。
请允许我预测您的回复。
*“等一下！”你说，“当我在Adobe Reader中打开PDF时，我可以清楚地看到文档中的页码！”
是的，您可以通过您的眼睛和人类情报看到该页码，但是对于机器，该数字只是在画布上绘制的一些文字。使用该文档的机器不知道页面上的所有字形，线条和形状是什么。因此，软件无法为您提供您认为是人的页码。机器不知道在哪里看！
如果您对PDF有所了解，我可以预测您的下一个回复。
“等一下！”你说，“标记PDF怎么样？标记PDF是否意味着文档的语义与表示一起存储？”
是的，当PDF被标记时，一段文字知道它是标题，段落或列表的一部分......但标记的PDF用于定义真实内容的结构。但是，页码不是真实内容的一部分。它们被标记为工件以及页面上的页眉，页脚和其他项目，这些项目不被视为真实内容。没有办法区分页码。
“那么这些页面标签是什么？”你问。
嗯，页面标签是可选。它们出现在一些经过精心设计的PDF中，但是在大多数PDF中你都不会出现它们。
这是一个很长的答案。简短的回答很简单：你要求的是一些不可能的事情（一般来说，不仅仅是iText，Tika，PdfBox或者你可能会尝试的任何其他工具）。