使用pikepdf获取PDF页数不准确，如何获取正确页数？

问题原因 #

PDF阅读器显示的页数通常是实际渲染的可见页，而len(pikepdf.Pdf.pages)会遍历PDF底层Pages树的所有节点，包括阅读器会自动忽略的页：

• 被标记为/Hidden的隐藏页
• 无有效尺寸（MediaBox为0）的无效页
• 文档生成时遗留的模板页、已删除但未清理的冗余页
• 仅用于表单或资源引用的非显示页

同时，文件元数据中的页数是文档创建时写入的静态值，部分PDF的Pages树实际节点数会和元数据不一致，但阅读器会优先遵循渲染逻辑而非原始节点数。

解决方案 #

1. 读取PDF规范定义的官方页数 #

PDF的Pages树根节点包含/Count属性，这是规范中定义的文档总页数（多数阅读器会以此为准），可以直接读取该值：

import pikepdf

def get_standard_page_count(file_uri):
    with open(file_uri, "rb") as input_pdf:
        pdf = pikepdf.Pdf.open(input_pdf)
        # 获取Pages树根节点的Count属性
        return pdf.Root.Pages.Count

2. 过滤不可见/无效页 #

遍历所有页节点，过滤掉隐藏页和无有效尺寸的页，模拟阅读器的渲染逻辑：

import pikepdf

def get_visible_page_count(file_uri):
    with open(file_uri, "rb") as input_pdf:
        pdf = pikepdf.Pdf.open(input_pdf)
        visible_count = 0
        for page in pdf.pages:
            # 跳过标记为隐藏的页
            if page.get("/Hidden", False):
                continue
            # 跳过无有效显示尺寸的页
            mediabox = page.get("/MediaBox", [0, 0, 0, 0])
            width = mediabox[2] - mediabox[0]
            height = mediabox[3] - mediabox[1]
            if width <= 0 or height <= 0:
                continue
            visible_count += 1
        return visible_count

3. 依据书签引用统计可见页 #

部分PDF阅读器仅显示书签（大纲）中引用的页，这种情况可以遍历书签收集所有被引用的页并去重计数：

import pikepdf

def get_bookmark_page_count(file_uri):
    with open(file_uri, "rb") as input_pdf:
        pdf = pikepdf.Pdf.open(input_pdf)
        referenced_page_ids = set()

        def traverse_bookmarks(bookmark):
            # 记录书签指向的页（用objgen唯一标识页对象）
            if "/Page" in bookmark:
                referenced_page_ids.add(bookmark.Page.objgen)
            # 递归处理子书签
            if "/Kids" in bookmark:
                for kid in bookmark.Kids:
                    traverse_bookmarks(kid)

        # 遍历根书签节点
        if "/Outlines" in pdf.Root and "/Kids" in pdf.Root.Outlines:
            for root_bookmark in pdf.Root.Outlines.Kids:
                traverse_bookmarks(root_bookmark)
        return len(referenced_page_ids)

选择建议 #

• 如果元数据显示的页数和get_standard_page_count返回值一致，优先使用该值（这是PDF规范定义的官方页数）
• 若上述值仍不符，尝试get_visible_page_count过滤无效页
• 若文档仅显示书签引用的页，使用get_bookmark_page_count

内容的提问来源于stack exchange，提问作者Mason Caiby