Java 如何使用pdfbox读取pdf文档的当前页码

PDF中的页码有不同的变体，有些PDF的首页是罗马数字，如I、ii，后来的页码是1、2、。我在

pdfbox

中找到了一个函数，用于获取所需的页面

page.get（pagenumber）

。但是这个函数的问题是，当我写

get（1）

时，它返回文档的第一页（可能编号为ii，而不是第2页）。有没有办法获得PDF中页码为2而不是第二页的页面？

PDF规范第12.4.2节页面标签解释了如何在文档中定义页面标签（您想要理解的特殊页码）：

PDF文件中的每一页都应通过整数页索引进行标识，该索引表示页面在文件中的相对位置。此外，文档还可以选择定义页面标签（PDF 1.3），以在屏幕上或打印中直观地标识每个页面。页面标签和页面索引无需重合：索引应是固定的，从0开始在文件的第一页连续运行，但标签可以以适合特定文件的任何方式指定

对于页面标签，文件应划分为标签范围，每个标签范围是使用相同编号系统的一系列连续页面。范围内的页面应按升序顺序编号。页面的标签由一个数字部分组成，该数字部分基于其在标签范围内的位置，可以选择前面加一个表示范围本身的标签前缀

文件的标签范围应由文件目录中的PageLabels条目定义（见7.7.2，“文件目录”）。该条目的值应为数字树（7.9.7，“数字树”），其每个键是标签范围内第一页的页面索引。相应值应为页面标签字典，定义该范围内页面的标签特征。树应包含页面索引0的值。表159显示了页面标签词典的内容

有关更多详细信息和示例，请参阅

使用低级PDFBox方法，可以很容易地提取文档目录中的页面标签条目，并检索标签详细信息

PDF规范中的第12.4.2节页面标签解释了如何在文档中定义页面标签（您想要理解的特殊页码）：

PDF文件中的每一页都应通过整数页索引进行标识，该索引表示页面在文件中的相对位置。此外，文档还可以选择定义页面标签（PDF 1.3），以在屏幕上或打印中直观地标识每个页面。页面标签和页面索引无需重合：索引应是固定的，从0开始在文件的第一页连续运行，但标签可以以适合特定文件的任何方式指定

对于页面标签，文件应划分为标签范围，每个标签范围是使用相同编号系统的一系列连续页面。范围内的页面应按升序顺序编号。页面的标签由一个数字部分组成，该数字部分基于其在标签范围内的位置，可以选择前面加一个表示范围本身的标签前缀

文件的标签范围应由文件目录中的PageLabels条目定义（见7.7.2，“文件目录”）。该条目的值应为数字树（7.9.7，“数字树”），其每个键是标签范围内第一页的页面索引。相应值应为页面标签字典，定义该范围内页面的标签特征。树应包含页面索引0的值。表159显示了页面标签词典的内容

有关更多详细信息和示例，请参阅

---

使用低级PDFBox方法，应该很容易提取文档目录中的页面标签条目并检索标签详细信息

尽管标题提到了PDFBox，但您也添加了标签itext，因此让我向您展示如何使用itext提取页面标签：

PdfReader reader = new PdfReader(src);
String[] labels = PdfPageLabels.getPageLabels(reader);

现在您有了一个

String

数组，其中可以有：

labels[0] = "i";
labels[1] = "ii";
labels[2] = "iii";
labels[3] = "iv";
labels[4] = "1";
labels[5] = "2";
labels[6] = "3";
and so on...

---

现在，如果您想知道哪个物理页面与页面标签

“2”

相对应，您可以将这些值与

索引+1

一起作为页码放在

HashMap

中，尽管标题提到了PDFBox，但您也添加了标签itext，因此让我向您展示如何使用itext提取页面标签：

PdfReader reader = new PdfReader(src);
String[] labels = PdfPageLabels.getPageLabels(reader);

现在您有了一个

String

数组，其中可以有：

labels[0] = "i";
labels[1] = "ii";
labels[2] = "iii";
labels[3] = "iv";
labels[4] = "1";
labels[5] = "2";
labels[6] = "3";
and so on...

---

现在，如果您想知道哪个物理页面与页面标签

“2”

PDPageLabels，您可以将这些值与

索引+1

一起作为页码放在

哈希映射中。GetLabelsbyPageIndexs（）用于获取所有页面标签的列表

PDDocument document = PDDocument.load(new File(src));
PDPageLabels lable = document.getDocumentCatalog().getPageLabels();
String[] range = lable.getLabelsByPageIndices(); //all page label
int pageNumber = 1; //page number for find page
int index = Arrays.binarySearch(range, pageNumber);  //get page which have given page number
PDPage page = document.getPage(index);
document.close();

您将获得所有页面标签数组。找到特定页码的索引并获取该页
 PDPageLabels.getLabelsbyPageIndexs（）用于获取所有页面标签的列表

PDDocument document = PDDocument.load(new File(src));
PDPageLabels lable = document.getDocumentCatalog().getPageLabels();
String[] range = lable.getLabelsByPageIndices(); //all page label
int pageNumber = 1; //page number for find page
int index = Arrays.binarySearch(range, pageNumber);  //get page which have given page number
PDPage page = document.getPage(index);
document.close();

您将获得所有页面标签数组。找到特定页码的索引并获取该页