使用pyPDF从文档中检索页码
目前，我正在考虑与pyPdf进行一些PDF合并，但是有时输入的顺序不正确，因此我正在寻找每个页面的页码以确定其应进入的顺序（例如，如果有人将一本书分成20张10页的PDF，我想将它们放回去）。
我有两个问题-1.）我知道有时页码存储在文档数据中的某个位置，因为我已经看到在Adobe上呈现的PDF格式为[1243]（150个中的10个），但是我已经阅读了此类文档被放入pyPDF中，我找不到任何指示页码的信息-
该文件存储在哪里？
2.）如果没有1号途径，我想我可以遍历给定页面上的对象以尝试找到页码-
可能是它自己的对象中只有一个数字。但是，我似乎找不到确定对象内容的任何明确方法。如果我运行：
pdf.getPage(0).getContents()
这通常会返回：
{'/Filter': '/FlateDecode'}
或返回IndirectObject（num，num）对象的列表。我真的不知道该如何处理这些，据我所知，也没有真正的文档。有没有人熟悉这种可以为我指明正确方向的东西？
-
有关完整文档，请参见Adobe的978页PDF参考。:-)
更具体地说，PDF文件包含元数据，该元数据指示如何将PDF的物理页面映射到逻辑页码以及应如何格式化页码。这是您获得规范结果的地方。该页面的示例2显示了它在PDF标记中的外观。您必须将其捕获，解析并自己执行映射。
在PyPDF中，要获取此信息，请尝试作为起点：
pdf.trailer["/Root"]["/PageLabels"]["/Nums"]顺便说一句，当您看到一个
IndirectObject实例时，可以调用其getObject()方法来检索所指向的实际对象。如您所说，您可以选择检查文本对象并尝试找出哪个是页码。您可以
extractText()为此使用page对象，但是您将获得一个字符串，并且必须尝试从中找出页码。（当然，页码可能是罗马的或字母的，而不是数字的，有些页面可能没有编号。）相反，请看看extractText()其工作的实际效果（毕竟PyPDF是用Python编写的）并将其用作例程的基础，该例程分别检查页面上的每个文本对象以查看其是否像页码。警惕上面有很多页码的目录/索引页面！
