如何解读PDFBox（API及调试工具）呈现的PDF页码标签数据？

PDF的页码标签（Page Labels）是通过文档目录下的PageLabels字典定义的，PDFBox调试工具展示的是PDF底层的原始字典结构，而iText RUPS是做了友好解析后的直观展示。以下是具体的解读方式：

一、理解PDFDebugger中的原始数据 #

PDFDebugger里显示的PageLabels字典核心是Nums数组，数组内成对出现元素：[起始页面索引, 标签规则字典]，标签规则字典的常用键含义如下：

• /S：编号样式，可选值包括：
  • /D：十进制数字（如1,2,3...）
  • /R：大写罗马数字（如I,II,III...）
  • /r：小写罗马数字（如i,ii,iii...）
  • /A：大写字母（如A,B,C...）
  • /a：小写字母（如a,b,c...）
  • /None：无编号，仅显示前缀文本
• /P：标签前缀字符串，会直接显示或添加在编号前
• /St：起始编号，默认值为1

以你遇到的例子来说，第二个页面对应的标签字典应该是<< /P (Cover) /S /None >>，对应iText RUPS展示的“Cover”——因为/S /None表示不使用编号，直接显示/P定义的前缀文本。

二、用PDFBox API直接获取格式化后的标签 #

不用手动解析原始字典，PDFBox提供了PDPageLabels类来直接处理页码标签：

1. 加载文档并获取页码标签对象：

PDDocument doc = PDDocument.load(new File("你的PDF文件路径"));
PDDocumentCatalog catalog = doc.getDocumentCatalog();
PDPageLabels pageLabels = catalog.getPageLabels();

2. 遍历获取每个页面的标签文本：

for (int pageIndex = 0; pageIndex < doc.getNumberOfPages(); pageIndex++) {
    String labelText = pageLabels.getPageLabel(pageIndex);
    System.out.printf("页面索引%d的标签：%s%n", pageIndex, labelText);
}

这段代码会直接输出和iText RUPS一致的直观标签文本，比如第二个页面会输出Cover。

内容的提问来源于stack exchange，提问作者menteith