Question

我试图获取PDF文档中的页数。我的一些PDF是用Word创建的（保存为PDF），其中一些是Xeroxed到目录中（不确定这是否重要）。

经过数小时的研究，我发现这说起来容易做起来难。 页面计数很少回来给我正确的页数，即使大多数PDF确实在二进制代码中有/Count。

例如，我使用了以下代码;它应该以二进制模式打开文档，查找/Count或/N并获取它旁边的数字，它应该给我页数。

Public Sub pagecount(sfilename As String)
    On Error GoTo a
    Dim nFileNum As Integer
    Dim s As String
    Dim c As Integer
    Dim pos, pos1 As Integer
    pos = 0
    pos1 = 0
    c = 0
    ' Get an available file number from the system
    nFileNum = FreeFile
    'OPEN the PDF file in Binary mode
    Open sfilename For Binary Lock Read Write As #nFileNum
    ' Get the data from the file
    Do Until EOF(nFileNum)
    Input #1, s
    c = c + 1
    If c <= 10 Then
        pos = InStr(s, "/N")
    End If
    pos1 = InStr(s, "/count")
       If pos > 0 Or pos1 > 0 Then
            Close #nFileNum
            s = Trim(Mid(s, pos, 10))
            s = Replace(s, "/N", "")
            s = Replace(s, "/count", "")
            s = Replace(s, " ", "")
            s = Replace(s, "/", "")
            For i = 65 To 125
                    s = Replace(s, Chr(i), "")
            Next
            pages = Val(Trim(s))
            If pages < 0 Then
                pages = 1
            End If
            Close #nFileNum
            Exit Sub
        End If
        'imp only 1000 lines searches
        If c >= 1000 Then
             GoTo a
        End If
     Loop
       Close #nFileNum
       Exit Sub
   a:
       Close #nFileNum
       pages = 1
       Exit Sub
End Sub

但是，大多数情况下，它默认为pages = 1（在:)下。我还将其更新为10000，以确保它达到/Count行，但它仍然没有给我正确的计数。

If c >= 10000 Then
         GoTo a
End If

我也遇到了这个reddit

有没有其他方法可以做到这一点，我可以在我的应用程序中使用它？

非常感谢任何帮助。

背景：

这是针对旧版vb6应用，我尝试让用户操作PDF文件。我添加了一个ListBox，它显示特定目录中的所有PDF文档。当用户双击任何一个文件时，我将其显示在应用程序内的WebBrowser组件中。

编辑：包含3个不同文档的BinaryMode行计数的图像：

我仔细检查了页数，而/ Count显示了三个文档中每个文档的正确页数。

Answer 1

正则表达式有限制，但我更喜欢用它们来搜索字符串，我认为这是一个使用它的好地方。您可能想要使用该模式，因为我只需要一点点测试就可以相对快速地完成。

将Microsoft VBScript Regular Expressions 5.5的引用添加到项目中。然后你可以尝试下面的示例代码。

Private Sub Command1_Click()
    Dim oRegEx As RegExp
    Dim fHndl As Integer
    Dim sContents As String
    Dim oMatches As MatchCollection

    On Error GoTo ErrCommand1_Click

    'Open and read in the file
    fHndl = FreeFile
    Open some pdf file For Binary Access Read As fHndl
    sContents = String(LOF(fHndl), vbNull)
    Get #fHndl, 1, sContents
    Close #fHndl    'We have the file contents so close it
    fHndl = 0

    'Instantiate and configure the RegEx
    Set oRegEx = New RegExp
    oRegEx.Global = True
    oRegEx.Pattern = "((?:/Count )(\d+))"
    Set oMatches = oRegEx.Execute(sContents)

    'Look for a match
    If oMatches.Count > 0 Then
       If oMatches(0).SubMatches.Count > 0 Then
           MsgBox CStr(oMatches(0).SubMatches(0)) & " Pages"
       End If
    End If

    Exit Sub

ErrCommand1_Click:
    Debug.Print "Error: " & CStr(Err.Number) & ", " & Err.Description
    If Not oRegEx Is Nothing Then Set oRegEx = Nothing
    If Not oMatches Is Nothing Then Set oMatches = Nothing

End Sub

RegEx模式的解释：
()创建了一个组括号内的?:使得组无法捕获 <</Linearized是一个文字字符串
.*贪心量词，匹配任何字符0次或更多次
/N文字字符串
\d+贪婪的限定符，匹配数字1次或更多次
>>文字字符串

PDF文档的页数不一致

1 个答案: