65.9K
CodeProject 正在变化。 阅读更多。
Home

PDF 页数计数器

Yvan Rodrigues
starIconstarIconstarIconstarIconstarIcon

5.00/5 (7投票s)

2014年10月24日

CPOL

2分钟阅读

viewsIcon

37640

downloadIcon

2135

快速计算 PDF 文档集合中的页面数量

引言

我的公司 Red Cell Innovation Inc. 提供文档扫描服务。我们经常需要统计一批 PDF 文件的页数，用于计费、质量控制、排程和估算。

这是我快速编写的一个应用程序，以方便完成这项工作。该应用程序使用过程化风格，在单个简单的代码后台类中用大约 200 行代码（包括 XAML 和注释）实现此功能。

特点

  • 简单：将一个目录拖放到应用程序中。
  • 快速：扫描了 20GB 的 PDF 文件，并在 7 秒内（在网络驱动器上为 270 秒）统计了 499 个文件中的 53877 页，使用 SSD。

工作原理

语言 C# 5.0
.NET Framework 4.5
UI 框架 WPF
库 iTextSharp
模式 代码后台过程化

当应用程序启动时，会提示用户将文件和/或文件夹拖放到应用程序窗口中。

UI: Drop files and.or folders to be counted.

当拖放文件或文件夹时，会调用 Start 方法，更改 UI 元素的可见性以显示计数屏幕。

UI: File and page counts

调用 async Analyze 方法以创建一个新线程，递归地遍历文件系统。将从线程池请求一个新线程，用于枚举每个目录及其文件计数。

private async Task Analyze (IEnumerable<string> filenames)
{
    await Task.Run(async () =>
    {
        foreach (string filename in filenames)
        {
            if (this._cancel)
                break;

            Dispatcher.Invoke(Update);
            if (Directory.Exists(filename))
            {
                string[] nestedFilenames = Directory.GetFiles(filename, "*.pdf", SearchOption.AllDirectories);
                await Analyze(nestedFilenames);
            }

            this._files++;
            if (new FileInfo(filename).Extension.ToLower() != ".pdf")
                continue;

            this._filesPdf++;
            int pages = Count(filename);
            this._pages += pages;
        }
        Dispatcher.Invoke(Update);
    });
}

private int Count (string filename)
{
    using (var reader = new PdfReader(filename))
    {
        int pages = reader.NumberOfPages;
        reader.Close();
        return pages;
    }
}

Count 方法使用了 iTextSharp 库来读取 PDF 文件。由于 PDF 文件内部已建立索引，因此无需扫描文档（请参阅 PDF 语法）。相反，实例化一个 PdfReader 对象并读取其 NumberOfPages 属性。

使用的系统资源可以忽略不计。

Task Manager Performance

PDF 语法

通过创建简单的 PDF 解析器，可以很容易地完成此操作；但是，这将增加开发应用程序所需的时间，而我已经熟悉 iTextSharp，并且开发时间约为一小时。

为了不使用 iTextSharp 完成此操作，我们将读取 PDF 并跟踪引用。

这是一个语法正确且完整的 PDF 文件。要找到该部分，我们首先检查 Trailer，它将引用 1 指定为 Root。我们可以看到部分 1 包含 Catalog，它将引用 3 指向 Pages 部分。请注意，Pages 资源描述了一个页面，该页面在部分 4 中描述。

%PDF-1. 4
1  0  obj
 <<  /Type /Catalog
  /Outlines  2 0 R
  /Pages  3 0 R
 >>
endobj
2  0  obj
 <<  /Type  Outlines
  /Count  0
 >>
endobj
3  0  obj
 <<  /Type  /Pages
  /Kids  [ 4 0 R ]
  /Count  1
 >>
endobj
4  0  obj
 <<  /Type  /Page
  /Parent  3 0 R
  /MediaBox  [ 0  0  612  792 ]
  /Contents  5 0 R
  /Resources  <<  /ProcSet  6 0 R  >>
 >>
endobj
5  0  obj
 <<  /Length  35  >>
 stream
 <-- Page-marking operators -->
 endstream
endobj
6  0  obj
 [ /PDF ]
endobj
xref
0  7
0000000000  65535  f
0000000009  00000  n
0000000074  00000  n
0000000120  00000  n
0000000179  00000  n
0000000300  00000  n
0000000384  00000  n
trailer
 <<  /Size  7
  /Root  1 0 R
 >>
startxref
408
%%EOF

致谢

iTextSharp 是 Paulo Soares、Bruce Lowagie 等人的作品。

PDF 文件语法示例来自 PDF 参考，第六版。© 2006 Adobe®Systems Incorporated。

历史

2014 年 1 月 18 日 应用程序编写完成
2014 年 10 月 24 日 文章编写完成
© . All rights reserved.