PDFBox技术问询：如何按页码获取对应页面索引

嘿，我来帮你搞定这个PDF页码和页面索引映射的问题！要找到显示页码为1对应的底层页面索引，核心得搞懂PDF的PageLabels结构——这玩意儿就是专门用来定义页面索引（从0开始计数）和显示页码之间对应关系的。

通用思路：解析PageLabels树 #

PDF的PageLabels字典里会用Nums数组来分段定义页码规则，每一组元素的格式是[起始页面索引, 该范围的页码配置字典]，而且数组是按页面索引升序排列的。你只需要按这几步来：

• 第一步：找到PageLabels下的Nums数组，这是所有页码规则的集合。
• 第二步：遍历这个数组，找到页码配置字典里St（起始页码值）等于1的那一组。
• 第三步：这一组对应的「起始页面索引」就是你要找的目标（记住：PDF的页面索引是从0开始的！）。

结合你的场景验证 #

比如你提到的PDDebugger显示Page:15-1，这里的15是从1开始计数的页面序号，转换成索引就是15-1=14——这刚好对应PageLabels里某一组的起始索引，而那组的St值肯定是1，表示从这个索引开始，页码从1开始编号。

再举个常见场景：如果前3页（索引0、1、2）是前言/目录无页码，从第4页（索引3）开始页码为1，那你的PageLabels会类似这样：

/PageLabels <<
  /Nums [
    0 << /S: /None >>  % 索引0-2的页面，不显示页码
    3 << /S: /D /St: 1 >>  % 索引3及之后的页面，用十进制数字从1开始编号
  ]
>>

这里/St:1对应的起始索引是3，就是显示页码1的页面索引。

用代码自动化获取（以PyPDF2为例） #

如果需要批量处理，用PDF库来解析更高效，比如PyPDF2：

from PyPDF2 import PdfReader

reader = PdfReader("你的PDF文件路径.pdf")
# 遍历每个页面的标签信息
for page_index, label_info in enumerate(reader.page_labels):
    # 找到起始页码为1的十进制编号页面
    if label_info.get("start") == 1 and label_info.get("number_type") == "decimal":
        print(f"显示页码1对应的页面索引是：{page_index}")
        break

内容的提问来源于stack exchange，提问作者onurhb