获取文档的页数

Question

我刚刚实现了一个 Java 代码以获取文档的页数，但它仅适用于 PDF 文件。我需要计算其他文件（Docx、HTML 等）的页数。有什么想法吗？

我的代码是：

public int numberOfPages(@RequestBody() MultipartFile inputFile) throws Exception {

    int numberOfPages = 0;
    InputStream fileName = inputFile.getInputStream();
    PDDocument document = PDDocument.load(fileName);

    if (document != null) {
        numberOfPages = document.getNumberOfPages();
    }

    return numberOfPages;
}

Answer 1

我认为这并不像看起来那么容易，因为页码取决于纸张大小、打印机类型、图像大小等。

一种可能的解决方案是将输入文档转换为 PDF，然后您可以轻松计算页数。您可以将 PDF 内容与原始文档一起存储，也可以在每次需要页码信息时即时使用 toPdf(FileInputStream document) 方法。这取决于文件的数量和性能要求。

它可以将html、office文档、纯文本和图像转换为PDF。 您可以使用Apache Tika检查上传文件的类型，然后根据此信息执行正确的方法将上传的内容转换为PDF。

检查文件类型：

public static MediaType getMediaType(final byte[] content) throws IOException {
    try (InputStream stream = new ByteArrayInputStream(content)) {
        TikaConfig tika = TikaConfig.getDefaultConfig();
        Metadata metadata = new Metadata();
        return tika.getDetector().detect(stream, metadata);
    }
}

那么：

MediaType mediaType = ContentTypeDetector.getMediaType(content);
String uploadedContent = mediaType.toString();

if (uploadedContent.equals("image/jpeg") {
    PDF pdf = SomeClass.jpgToPdf(...)
} else if (uploadedContent.equals(...) {
    PDF pdf = SomeClass....(...)
}

iText 是一个不错的 Java 库，可以根据您的设置从上传的文件创建 PDF 文件。