Obtenir le nombre de pages d'un document PDF

Question

Cette question porte sur le référencement et la comparaison. La solution est la réponse acceptée ci-dessous .

J'ai passé de nombreuses heures à chercher une solution rapide et facile, mais surtout précis Il s'agit d'un moyen d'obtenir le nombre de pages d'un document PDF. Comme je travaille pour une entreprise d'impression et de reproduction graphique qui travaille beaucoup avec des PDF, le nombre de pages d'un document doit être connu avec précision avant de le traiter. Les documents PDF proviennent de nombreux clients différents, ils ne sont donc pas générés avec la même application et/ou n'utilisent pas la même méthode de compression.

Voici quelques-unes des réponses que j'ai trouvées insuffisante ou simplement Ne fonctionne pas :

Utilisation de Imagick (une extension PHP)

Imagick nécessite beaucoup d'installation, apache doit être redémarré, et lorsque j'ai finalement réussi à le faire fonctionner, le traitement était incroyablement long (2 à 3 minutes par document) et renvoyait toujours les résultats suivants 1 dans chaque document (je n'ai pas vu de copie fonctionnelle d'Imagick jusqu'à présent), alors je l'ai jeté. C'était à la fois avec le getNumberImages() y identifyImage() méthodes.

Utilisation de FPDI (une bibliothèque PHP)

FPDI est facile à utiliser et à installer (il suffit d'extraire les fichiers et d'appeler un script PHP), MAIS de nombreuses techniques de compression ne sont pas prises en charge par FPDI. Il renvoie alors une erreur :

Erreur FPDF : Ce document (test_1.pdf) utilise probablement une technique de compression qui n'est pas supportée par l'analyseur libre livré avec FPDI.

Ouverture d'un flux et recherche avec une expression régulière :

Cela ouvre le fichier PDF dans un flux et recherche une sorte de chaîne, contenant le nombre de pages ou quelque chose de similaire.

$f = "test1.pdf";
$stream = fopen($f, "r");
$content = fread ($stream, filesize($f));

if(!$stream || !$content)
    return 0;

$count = 0;
// Regular Expressions found by Googling (all linked to SO answers):
$regex  = "/\/Count\s+(\d+)/";
$regex2 = "/\/Page\W*(\d+)/";
$regex3 = "/\/N\s+(\d+)/";

if(preg_match_all($regex, $content, $matches))
    $count = max($matches);

return $count;

• /\/Count\s+(\d+)/ (cherche /Count <number> ) ne fonctionne pas car seuls quelques documents possèdent le paramètre /Count à l'intérieur, donc la plupart du temps, il ne renvoie rien. Source.
• /\/Page\W*(\d+)/ (cherche /Page<number> ) ne donne pas le nombre de pages, mais contient surtout d'autres données. Source.
• /\/N\s+(\d+)/ (cherche /N <number> ) ne fonctionne pas non plus, car les documents peuvent contenir plusieurs valeurs de /N ; la plupart, sinon tous, pas contenant le nombre de pages. Source.

---

Alors, qu'est-ce qu'un travail fiable et précis ?

Voir la réponse ci-dessous

Answer 1

Un simple exécutable de ligne de commande appelé : pdfinfo .

Il est téléchargeable pour Linux et Windows . Vous téléchargez un fichier compressé contenant plusieurs petits programmes relatifs aux PDF. Extrayez-le quelque part.

L'un de ces fichiers est pdfinfo (ou pdfinfo.exe pour Windows). Un exemple de données retournées en l'exécutant sur un document PDF :

Title:          test1.pdf
Author:         John Smith
Creator:        PScript5.dll Version 5.2.2
Producer:       Acrobat Distiller 9.2.0 (Windows)
CreationDate:   01/09/13 19:46:57
ModDate:        01/09/13 19:46:57
Tagged:         yes
Form:           none
Pages:          13    <-- This is what we need
Encrypted:      no
Page size:      2384 x 3370 pts (A0)
File size:      17569259 bytes
Optimized:      yes
PDF version:    1.6

Je n'ai pas vu de document PDF où il a retourné un faux compte de pages (encore). Il est également très rapide, même avec des documents de plus de 200 Mo, le temps de réponse n'est que de quelques secondes ou moins.

Il existe un moyen simple d'extraire le nombre de pages de la sortie, ici en PHP :

// Make a function for convenience 
function getPDFPages($document)
{
    $cmd = "/path/to/pdfinfo";           // Linux
    $cmd = "C:\\path\\to\\pdfinfo.exe";  // Windows

    // Parse entire output
    // Surround with double quotes if file name has spaces
    exec("$cmd \"$document\"", $output);

    // Iterate through lines
    $pagecount = 0;
    foreach($output as $op)
    {
        // Extract the number
        if(preg_match("/Pages:\s*(\d+)/i", $op, $matches) === 1)
        {
            $pagecount = intval($matches[1]);
            break;
        }
    }

    return $pagecount;
}

// Use the function
echo getPDFPages("test 1.pdf");  // Output: 13

Bien sûr, cet outil en ligne de commande peut être utilisé dans d'autres langages qui peuvent analyser la sortie d'un programme externe, mais je l'utilise en PHP.

Je sais que ce n'est pas du pur PHP mais les programmes externes sont chemin meilleur dans la gestion des PDF (comme indiqué dans la question).

J'espère que cela pourra aider les gens, car j'ai passé beaucoup de temps à essayer de trouver la solution à ce problème et j'ai vu beaucoup de questions sur le pagecount PDF dans lesquelles je n'ai pas trouvé la réponse que je cherchais. C'est pourquoi j'ai posé cette question et y ai répondu moi-même.

Avis de sécurité : Utilisez escapeshellarg sur $document si le nom du document provient d'une entrée utilisateur ou d'un téléchargement de fichier.

Answer 2

Le plus simple est d'utiliser ImageMagick

Voici un exemple de code

$image = new Imagick();
$image->pingImage('myPdfFile.pdf');
echo $image->getNumberImages();

sinon vous pouvez aussi utiliser PDF des bibliothèques comme MPDF o TCPDF para PHP

Answer 3

Vous pouvez utiliser qpdf comme ci-dessous. Si un fichier nom_fichier.pdf a 100 pages,

$ qpdf --show-npages file_name.pdf
100

Answer 4

Voici un exemple simple pour obtenir le nombre de pages d'un PDF avec PHP.

<?php

function count_pdf_pages($pdfname) {
  $pdftext = file_get_contents($pdfname);
  $num = preg_match_all("/\/Page\W/", $pdftext, $dummy);

  return $num;
}

$pdfname = 'example.pdf'; // Put your PDF path
$pages = count_pdf_pages($pdfname);

echo $pages;

?>

Answer 5

Si vous ne pouvez pas installer de paquets supplémentaires, vous pouvez utiliser cette simple ligne unique :

foundPages=$(strings < $PDF_FILE | sed -n 's|.*Count -\{0,1\}\([0-9]\{1,\}\).*|\1|p' | sort -rn | head -n 1)