如何修改代码实现提取20页PDF文件的全部页面页码

问题根源 #

代码仅返回单页页码，核心原因是仅读取了reader.pages列表中索引为0的第一个页面对象，没有遍历全部20个页面对象，页码提取逻辑未覆盖全文档。

修复操作 #

• 先升级依赖到稳定版，避免旧版本API兼容问题，执行命令：pip install --upgrade PyPDF2
• 核心修改：移除固定取单页的写法（比如page = reader.pages[0]），通过for循环遍历所有页面对象，逐页提取页码
• 把页码存储、打印的逻辑放到循环的缩进块内，不要写在循环外，避免只保留最后一次的计算结果

可直接运行的修正代码 #

from PyPDF2 import PdfReader

# 替换为你的目标PDF文件本地路径
file_path = "your_20page_file.pdf"
reader = PdfReader(file_path)
total_pages = len(reader.pages)
print(f"文档总页数：{total_pages}")

# 遍历所有页面
for page_index, page in enumerate(reader.pages, start=1):
    # 获取物理页序号（从1开始计数）
    page_seq = page_index
    # 尝试读取PDF内置的自定义显示页码（比如前言罗马数字、正文起始页码不为1的场景）
    try:
        show_num = page.label if hasattr(page, 'label') else page_seq
    except Exception:
        show_num = page_seq
    print(f"顺序第{page_seq}页，文档显示页码：{show_num}")

异常排查 #

• 如果运行后总页数打印结果不是20，检查PDF文件是否损坏、路径是否正确，加密PDF需要先调用reader.decrypt("密码")解密后再读取
• 如果使用的是PyPDF2 1.x旧版本，把page.label替换为page["/P"].get_object()即可读取内置页码
• 不需要自定义显示页码的话，可以直接用循环的page_index作为页码，不需要额外调用属性读取方法

内容的提问来源于stack exchange，提问作者George