如何用正则按序匹配关键词提取PDF文档页数？

完全可以通过按顺序匹配/Type /Pages、中间任意内容、/Count后提取数字的思路来实现，这刚好能适配你给出的两种场景。

适配两种场景的正则表达式 #

/\/Type\s+\/Pages\s+(?:(?!>>).)*?\/Count\s+(\d+)/s

正则拆解（针对你的场景） #

• \/Type\s+\/Pages：精准匹配/Type /Pages，\s+兼容换行、空格、制表符等任意空白，适配不同PDF的排版格式
• (?:(?!>>).)*?：非贪婪匹配/Type /Pages到/Count之间的所有内容，但不会跨越PDF页面对象的闭合标记>>，避免误匹配其他区域的内容
• \/Count\s+(\d+)：匹配/Count后的数字，(\d+)会将页数数字捕获为分组，直接提取即可
• /s修饰符：让正则中的.能匹配换行符，适配多行的PDF缓冲区内容

验证你的两个示例 #

1. 第一个示例中，正则会匹配到/Type /Pages后，跳过/Kids[4 0 R 8 0 R]前的内容，精准捕获/Count后的数字2
2. 第二个示例中，会自动跳过中间的/MediaBox [ 0 0 612 792 ]内容，捕获/Count后的数字22

额外提示 #

如果遇到部分PDF中/Count值是间接引用（比如/Count 3 0 R），可以把正则中的(\d+)调整为(\d+(?:\s+\d+\s+R)?)，就能兼容这种情况，但针对你当前的场景，基础版本已经足够用。

内容的提问来源于stack exchange，提问作者RJK