如何从AutoCAD生成的批量PDF中提取每页页面名称？

AutoCAD导出的批量PDF，其页面名称通常不会以普通文本形式存在于页面内容中，而是存储在PDF的页面属性或书签结构里，以下是几种可行的提取方式：

1. 直接读取页面的Label属性（最常用） #

AutoCAD批量导出PDF时，默认会将图纸名称设置为PDF页面的label属性，用PyMuPDF可以直接获取：

import fitz

pdfLocation = "TestPDF.pdf"
doc = fitz.open(pdfLocation)

for page_idx in range(doc.page_count):
    page = doc[page_idx]
    # 获取页面名称（AutoCAD导出的PDF通常存在这里）
    page_name = page.label
    print(f"第{page_idx+1}页名称: {page_name}")

doc.close()

2. 从书签/大纲中匹配对应页面 #

如果PDF包含书签（AutoCAD导出时可勾选生成书签），书签标题通常对应页面名称，可通过大纲关联到页面：

import fitz

pdfLocation = "TestPDF.pdf"
doc = fitz.open(pdfLocation)

# 获取文档大纲（书签）
toc = doc.get_toc()
for entry in toc:
    # entry格式：[层级, 标题, 页码]，页码从1开始
    level, title, page_num = entry
    print(f"页面{page_num}名称: {title}")

doc.close()

3. 检查页面元数据或自定义属性 #

少数情况下，AutoCAD会将页面名存入页面的元数据字典，可尝试读取：

import fitz

pdfLocation = "TestPDF.pdf"
doc = fitz.open(pdfLocation)

for page_idx in range(doc.page_count):
    page = doc[page_idx]
    # 获取页面元数据
    page_meta = page.info
    # 检查是否存在自定义字段（不同版本AutoCAD可能有差异）
    if "Title" in page_meta:
        print(f"第{page_idx+1}页名称: {page_meta['Title']}")

doc.close()

说明 #

你之前用page.get_text()找不到是因为页面名称不是绘制在页面上的可见文本，而是PDF文件的结构化属性，不属于页面内容范畴。

内容的提问来源于stack exchange，提问作者Stark Arpit