在文档处理、数据分析、自动化办公等场景中，获取PDF文件的总页数是一项基础而重要的操作。无论是批量处理文档、生成目录索引，还是进行文档管理系统的开发，准确快速地获取PDF页数都是不可或缺的技能。
引言：为什么需要获取PDF页数？
在日常开发工作中，我们经常会遇到需要处理PDF文件的场景：
- 文档管理系统：需要统计每个PDF文档的页数用于展示和分类
- 批量处理工具：根据页数对PDF进行不同的处理策略
- 数据分析：分析大量PDF文档的页数分布情况
- 自动化报告：生成包含页数信息的文档摘要
本文将详细介绍几种主流的Python获取PDF页数的方法，并通过实际代码示例帮助您选择最适合的方案。如果您正在使用TRAE IDE进行Python开发，这些示例代码都可以直接在IDE中运行和调试，TRAE IDE的智能代码补全和实时错误检查功能将大大提升您的开发效率。
方法一：使用PyPDF2库
PyPDF2是最常用的PDF处理库之一，提供了稳定可靠的PDF页数获取功能。
安装PyPDF2
pip install PyPDF2基础使用示例
import PyPDF2
def get_pdf_page_count_pypdf2(file_path):
"""
使用PyPDF2获取PDF页数
Args:
file_path (str): PDF文件路径
Returns:
int: PDF总页数
Raises:
FileNotFoundError: 文件不存在
PyPDF2.errors.PdfReadError: PDF文件损坏或加密
"""
try:
with open(file_path, 'rb') as file:
pdf_reader = PyPDF2.PdfReader(file)
return len(pdf_reader.pages)
except FileNotFoundError:
raise FileNotFoundError(f"文件不存在: {file_path}")
except PyPDF2.errors.PdfReadError as e:
raise ValueError(f"PDF文件读取错误: {e}")
# 使用示例
if __name__ == "__main__":
try:
page_count = get_pdf_page_count_pypdf2("example.pdf")
print(f"PDF文件共有 {page_count} 页")
except Exception as e:
print(f"错误: {e}")处理加密PDF
def get_pdf_page_count_pypdf2_secure(file_path, password=None):
"""
处理可能加密的PDF文件
Args:
file_path (str): PDF文件路径
password (str, optional): PDF密码
Returns:
int: PDF总页数
"""
try:
with open(file_path, 'rb') as file:
pdf_reader = PyPDF2.PdfReader(file)
# 检查是否加密
if pdf_reader.is_encrypted:
if password:
if not pdf_reader.decrypt(password):
raise ValueError("PDF密码错误")
else:
raise ValueError("PDF文件已加密，需要提供密码")
return len(pdf_reader.pages)
except Exception as e:
raise Exception(f"处理PDF时出错: {e}")方法二：使用pdfplumber库
pdfplumber不仅能够获取页数，还提供了强大的PDF内容提取功能。
安装pdfplumber
pip install pdfplumber基础使用示例
import pdfplumber
def get_pdf_page_count_plumber(file_path):
"""
使用pdfplumber获取PDF页数
Args:
file_path (str): PDF文件路径
Returns:
int: PDF总页数
Raises:
FileNotFoundError: 文件不存在
Exception: 其他PDF处理错误
"""
try:
with pdfplumber.open(file_path) as pdf:
return len(pdf.pages)
except FileNotFoundError:
raise FileNotFoundError(f"文件不存在: {file_path}")
except Exception as e:
raise Exception(f"PDF处理错误: {e}")
# 批量处理示例
def batch_count_pages_plumber(file_paths):
"""
批量获取多个PDF文件的页数
Args:
file_paths (list): PDF文件路径列表
Returns:
dict: 文件名与页数的映射
"""
results = {}
for file_path in file_paths:
try:
page_count = get_pdf_page_count_plumber(file_path)
results[file_path] = page_count
except Exception as e:
results[file_path] = f"错误: {e}"
return results获取更详细的页面信息
def get_pdf_info_plumber(file_path):
"""
获取PDF的详细信息
Args:
file_path (str): PDF文件路径
Returns:
dict: PDF详细信息
"""
try:
with pdfplumber.open(file_path) as pdf:
info = {
'page_count': len(pdf.pages),
'metadata': pdf.metadata,
'version': pdf.version
}
# 获取每页的尺寸信息
page_info = []
for i, page in enumerate(pdf.pages):
page_info.append({
'page_number': i + 1,
'width': page.width,
'height': page.height
})
info['pages'] = page_info
return info
except Exception as e:
raise Exception(f"获取PDF信息失败: {e}")方法三：使用PyMuPDF库
PyMuPDF（也称为fitz）是功能最强大的PDF处理库之一，性能优异且功能全面。
安装PyMuPDF
pip install PyMuPDF基础使用示例
import fitz # PyMuPDF
def get_pdf_page_count_mupdf(file_path):
"""
使用PyMuPDF获取PDF页数
Args:
file_path (str): PDF文件路径
Returns:
int: PDF总页数
Raises:
FileNotFoundError: 文件不存在
Exception: 其他PDF处理错误
"""
try:
doc = fitz.open(file_path)
page_count = doc.page_count
doc.close()
return page_count
except FileNotFoundError:
raise FileNotFoundError(f"文件不存在: {file_path}")
except Exception as e:
raise Exception(f"PDF处理错误: {e}")
# 使用上下文管理器确保安全关闭
def get_pdf_page_count_mupdf_safe(file_path):
"""
使用上下文管理器安全获取PDF页数
Args:
file_path (str): PDF文件路径
Returns:
int: PDF总页数
"""
try:
with fitz.open(file_path) as doc:
return doc.page_count
except Exception as e:
raise Exception(f"处理PDF时出错: {e}")高性能批量处理
def batch_count_pages_mupdf(file_paths, max_workers=4):
"""
使用多线程批量获取PDF页数（适合大量文件）
Args:
file_paths (list): PDF文件路径列表
max_workers (int): 最大工作线程数
Returns:
dict: 文件名与页数的映射
"""
import concurrent.futures
def count_single_pdf(file_path):
try:
return file_path, get_pdf_page_count_mupdf_safe(file_path)
except Exception as e:
return file_path, f"错误: {e}"
results = {}
with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor:
futures = [executor.submit(count_single_pdf, fp) for fp in file_paths]
for future in concurrent.futures.as_completed(futures):
file_path, result = future.result()
results[file_path] = result
return results方法对比与选择建议
| 特性 | PyPDF2 | pdfplumber | PyMuPDF |
|---|---|---|---|
| 安装大小 | 较小 | 中等 | 较大 |
| 执行速度 | 中等 | 中等 | 最快 |
| 内存占用 | 低 | 中等 | 最低 |
| 功能丰富度 | 基础 | 丰富 | 丰富 |
| 稳定性 | 高 | 高 | 高 |
| 加密支持 | 良好 | 良好 | 优秀 |
| 依赖数量 | 少 | 中等 | 较多 |
| 学习成本 | 低 | 中等 | 中等 |
选择建议
-
简单项目或只需要页数信息：推荐使用 PyPDF2
- 安装包小，依赖少
- API简单直观
- 稳定性高，社区支持好
-
需要提取文本或表格内容：推荐使用 pdfplumber
- 文本提取能力强
- 支持表格识别
- 页面信息丰富
-
高性能要求或大量文件处理：推荐使用 PyMuPDF
- 处理速度最快
- 内存占用最少
- 支持多线程处理
错误处理与最佳实践
通用错误处理框架
import logging
from typing import Optional, Union
def safe_get_page_count(file_path: str,
method: str = 'auto',
password: Optional[str] = None) -> Union[int, str]:
"""
安全获取PDF页数的通用函数
Args:
file_path (str): PDF文件路径
method (str): 使用方法 ('pypdf2', 'plumber', 'mupdf', 'auto')
password (str, optional): PDF密码
Returns:
int: 成功时返回页数，失败时返回错误信息
"""
# 配置日志
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# 验证文件存在
if not file_path or not file_path.strip():
return "错误：文件路径不能为空"
import os
if not os.path.exists(file_path):
return f"错误：文件不存在 - {file_path}"
# 验证文件扩展名
if not file_path.lower().endswith('.pdf'):
logger.warning(f"警告：文件可能不是PDF格式 - {file_path}")
# 自动选择方法
if method == 'auto':
methods = ['mupdf', 'pypdf2', 'plumber']
else:
methods = [method]
# 尝试不同的方法
for method_name in methods:
try:
if method_name == 'pypdf2':
import PyPDF2
with open(file_path, 'rb') as file:
reader = PyPDF2.PdfReader(file)
if password and reader.is_encrypted:
reader.decrypt(password)
return len(reader.pages)
elif method_name == 'plumber':
import pdfplumber
with pdfplumber.open(file_path) as pdf:
return len(pdf.pages)
elif method_name == 'mupdf':
import fitz
with fitz.open(file_path) as doc:
return doc.page_count
except Exception as e:
logger.warning(f"方法 {method_name} 失败: {e}")
continue
return "错误：所有方法都无法处理该PDF文件"
# 使用示例
if __name__ == "__main__":
result = safe_get_page_count("example.pdf", method='auto')
if isinstance(result, int):
print(f"PDF页数: {result}")
else:
print(result)性能优化建议
- 批量处理时使用多线程：对于大量PDF文件，使用
concurrent.futures模块进行并发处理 - 缓存结果：对于重复处理的文件，考虑将页数信息缓存到数 据库或文件中
- 内存管理：使用上下文管理器（with语句）确保文件正确关闭
- 异常重试：对于网络文件或临时锁定的文件，可以实现重试机制
在TRAE IDE中开发PDF处理工具
如果您正在使用TRAE IDE进行Python开发，可以充分利用其强大功能：
- 智能代码补全：TRAE IDE会根据您导入的库自动补全方法和参数
- 实时错误检查：在编写代码时就能发现潜在的错误
- 集成终端：可以直接在IDE中安装依赖和运行测试
- 调试支持：可以设置断点逐步调试PDF处理逻辑
# TRAE IDE中的完整项目示例
# 文件名：pdf_page_counter.py
import os
import sys
from pathlib import Path
from typing import List, Dict
class PDFPageCounter:
"""PDF页数统计器"""
def __init__(self, method: str = 'auto'):
self.method = method
self.results: Dict[str, int] = {}
def count_pages(self, pdf_path: str) -> int:
"""获取单个PDF的页数"""
# TRAE IDE会在这里提供代码提示
result = safe_get_page_count(pdf_path, self.method)
if isinstance(result, int):
self.results[pdf_path] = result
return result
else:
raise ValueError(result)
def batch_count(self, folder_path: str) -> Dict[str, int]:
"""批量统计文件夹中的PDF页数"""
pdf_files = list(Path(folder_path).glob("*.pdf"))
for pdf_file in pdf_files:
try:
self.count_pages(str(pdf_file))
except Exception as e:
print(f"处理 {pdf_file} 时出错: {e}")
return self.results
def generate_report(self) -> str:
"""生成统计报告"""
total_files = len(self.results)
total_pages = sum(self.results.values())
avg_pages = total_pages / total_files if total_files > 0 else 0
report = f"""
PDF页数统计报告
================
总文件数: {total_files}
总页数: {total_pages}
平均页数: {avg_pages:.1f}
详细清单:
"""
for file_path, pages in self.results.items():
report += f"- {file_path}: {pages} 页\n"
return report
# 使用示例（可以在TRAE IDE的调试模式中运行）
if __name__ == "__main__":
counter = PDFPageCounter(method='mupdf')
# 统计单个文件
try:
pages = counter.count_pages("document.pdf")
print(f"文档页数: {pages}")
except Exception as e:
print(f"错误: {e}")
# 批量统计
results = counter.batch_count("./pdf_folder")
print(counter.generate_report())总结与建议
获取PDF页数虽然是一个简单的需求，但选择合适的方法可以大大提高开发效率和程序性能。本文介绍了三种主流的Python库：
- PyPDF2：适合简单场景，轻量级解决方案
- pdfplumber：适合需要内容提取的复杂场景
- PyMuPDF：适合高性能要求的专业应用
在实际开发中，建议：
- 根据项目需求选择合适的方法，不要盲目追求功能全面
- 做好错误处理，PDF文件格式复杂，异常情况较多
- 考虑性能优化，特别是批量处理大量文件时
- 使用TRAE IDE进行开发，可以显著提高开发效率和代码质量
无论您选择哪种方法，都建议在TRAE IDE中进行开发和测试。TRAE IDE的智能提示、错误检查和调试功能将帮助您更快地开发出稳定可靠的PDF处理工具。记住，好的工具能让开发工作事半功倍！
（此内容由 AI 辅助生成，仅供参考）