Java 如何使用索引将大型PDF（文档包）拆分为页面块

我正在尝试拆分一个大型PDF类型的文档包。此PDF有一个索引页，链接到不同的页面，例如

索引：

主题1：第1-5页

主题2：第12-25页

我目前正在使用PDFbox来读取PDF并获取页码，但我正在寻找一种获取元数据的方法，以便能够根据主题对页面进行分组

如果有检索文档结构的方法，那么我可以将文档分组，并将其分解为更小的PDF，例如，主题1现在变成单个PDF，合并了第1-5页

代码如下：

PDDocumentOutline outline = pdocument.getDocumentCatalog().getDocumentOutline();

for (PDOutlineItem item : outline.children()) {

String pageTitle=item.getTitle(); //Topic 1

PDPage destinationPage=item.findDestinationPage(pdocument);

//How do I get actual pageNumber of Page?

//How do I get Destination reference string ie. pg 1-5


}

---

您可能想看看PDF 1.7规范中的第12.3.3节“文档大纲”。文档大纲是一个树形结构，提供指向文档各个部分的链接。例如，如果将LibreOffice文档转换为PDF，则标题将用于大纲

如果你的PDF有这样一个大纲，你可以用它来分割它

如果它只有一个索引页，可能有PDF标签（见第14.8节“带标签的PDF”）可用于轻松获取所需数据

---

如果没有PDF标签，您可能需要解析文本并对其进行分析以获得所需信息。

您可能需要查看PDF 1.7规范中的第12.3.3节“文档大纲”。文档大纲是一个树形结构，提供指向文档各个部分的链接。例如，如果将LibreOffice文档转换为PDF，则标题将用于大纲

PDDocumentOutline outline = pdocument.getDocumentCatalog().getDocumentOutline();
PDPageTree pageTree = pdocument.getPages();

for (PDOutlineItem item : outline.children()) {

String pageTitle=item.getTitle(); //Topic 1

PDPage destinationPage=item.findDestinationPage(pdocument);

PDPage currentPage = item.findDestinationPage(pdocument);
int startPg = pageTree.indexOf(currentPage);

PDPage nextIndexPage = item.getNextSibling().findDestinationPage(pdocument);

int endPg = pageTree.indexOf(nextIndexPage);

PDDocument document = new PDDocument();

for (int i = startPg; i < endPg; i++) {

    PDPage incomingPage = pageTree.get(i);

    document.addPage(incomingPage);

    }

document.save(targetPath + item.getTitle() + ".pdf");
document.close();



}

如果你的PDF有这样一个大纲，你可以用它来分割它

如果它只有一个索引页，可能有PDF标签（见第14.8节“带标签的PDF”）可用于轻松获取所需数据

如果没有PDF标记，您可能需要解析文本并对其进行分析，以获得所需信息。

PDDocumentOutline outline=pdocument.getDocumentCatalog（）.getDocumentOutline（）；
PDDocumentOutline outline = pdocument.getDocumentCatalog().getDocumentOutline();
PDPageTree pageTree = pdocument.getPages();

for (PDOutlineItem item : outline.children()) {

String pageTitle=item.getTitle(); //Topic 1

PDPage destinationPage=item.findDestinationPage(pdocument);

PDPage currentPage = item.findDestinationPage(pdocument);
int startPg = pageTree.indexOf(currentPage);

PDPage nextIndexPage = item.getNextSibling().findDestinationPage(pdocument);

int endPg = pageTree.indexOf(nextIndexPage);

PDDocument document = new PDDocument();

for (int i = startPg; i < endPg; i++) {

    PDPage incomingPage = pageTree.get(i);

    document.addPage(incomingPage);

    }

document.save(targetPath + item.getTitle() + ".pdf");
document.close();



}

PDPageTree pageTree=pdocument.getPages（）；
对于（PDOutlineItem:outline.children（））{
String pageTitle=item.getTitle（）；//主题1
PDPage destinationPage=项目。findDestinationPage（PDDocument）；
PDPage currentPage=项目。findDestinationPage（pdocument）；
int startPg=pageTree.indexOf（当前页面）；
PDPage nextIndexPage=item.getNextSibling（）.findDestinationPage（pdocument）；
int endPg=pageTree.indexOf（nextIndexPage）；
PDDocument文档=新PDDocument（）；
对于（int i=startPg；i

PDDocumentOutline outline=pdocument.getDocumentCatalog（）.getDocumentOutline（）；
PDPageTree pageTree=pdocument.getPages（）；
对于（PDOutlineItem:outline.children（））{
String pageTitle=item.getTitle（）；//主题1
PDPage destinationPage=项目。findDestinationPage（PDDocument）；
PDPage currentPage=项目。findDestinationPage（pdocument）；
int startPg=pageTree.indexOf（当前页面）；
PDPage nextIndexPage=item.getNextSibling（）.findDestinationPage（pdocument）；
int endPg=pageTree.indexOf（nextIndexPage）；
PDDocument文档=新PDDocument（）；
对于（int i=startPg；i

我已经能够获得文档的大纲，它为我提供了每个PDOutlineItem的目标页面。如何获取每页的实际页码。我正在尝试对页面进行分组（例如，主题1=第1页到第5页）

doc.getPages（）.indexOf（）

。结果是基于0的。我已经能够得到文档的大纲，它为我提供了每个PDOutlineItem的目标页面。如何获取每页的实际页码。我正在尝试对页面进行分组（例如，主题1=第1页到第5页）

doc.getPages（）.indexOf（）

。结果以0为基础。