【原】动态提取PDF内容的终极秘籍！兼一个超强网站推荐！| PA重要资源

- 1 -

上次的文章《PDF内容自动提取，想取哪些页面就取哪些页面！| PA实战案例》里，讲解了怎么自动提取指定页码PDF内容的操作方法，并且提及一种动态提取的情况：提取文件中除最后固定几页（如5页）以外的所有内容。

比如，很多企业的pdf报告，前面包含数据的页面不固定，但最后几页，嘿嘿，都是一些例行的备注说明，这样，我们要动态地去取前面的数据页面，最关键的是能获取到整个pdf报告的页数。

但是，目前Power Automate里却没有支持获取pdf文件页数的操作或方法，这时，我们就需要通过Power Automate自动调用第三方的工具来实现了！比如，炒鸡强大的pdf批处理工具：pdftk！

- 2 -

pdftk是啥？简单来说，就是一个操作pdf的工具箱（全称：pdf toolkit），完整介绍及文档可以参考官网PDF Labs：

https://www./tools/pdftk-the-pdf-toolkit/

但是，一般来说，官网的内容对大部分普通用户来说，都是看得贼累的，所以，这个官网并不是本次推荐的关键，下面这个才是——网站“批处理之家”：

http://bbs./

首先是，pdftk到底能干啥？

简单来说，可以通过在DOS下写一些简单的命令，即能实现很多PDF文件处理的功能，具体功能有哪些呢？看图：

具体怎么干？看例子：

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

• 
  

合并PDF：pdftk 1.pdf 2.pdf 3.pdf cat output 123.pdf或者 (使用通配符):pdftk *.pdf cat output combined.pdf把多个PDF的不同页面组合成一个新的PDF文档(将one.pdf的前7页，two.pdf的前5页，one.pdf的第8页按先后顺序合并成combined.pdf)pdftk A=one.pdf B=two.pdf cat A1-7 B1-5 A8 output combined.pdf旋转PDF的第一页为顺时针90度（向东）（其余页方向不变，2-end表示第2页到最后一页）pdftk in.pdf cat 1E 2-end output out.pdf旋转PDF的第一页为逆时针（向西）90度，只提取第一页pdftk in.pdf cat 1W output out.pdf选择所有PDF页面180度：pdftk in.pdf cat 1-endS output out.pdf使用128强度加密PDF（安全模式，只读）pdftk in.pdf output mydoc.128.pdf owner_pw foopass同上，同时给PDF加上访问密码（会弹出一个密码输入框）pdftk in.pdf output mydoc.128.pdf owner_pw foo user_pw baz同上，但是运行打印：pdftk in.pdf output mydoc.128.pdf owner_pw foo user_pw baz allow printing解密PDF文档(foopass替换成pdf的owner_pw密码)：注意：前提是你得知道pdf的密码所以此功能只是解除所有者的密码，使阅读者不需要输密码pdftk secured.pdf input_pw foopass output unsecured.pdf合并两个PDF文档，其中一个是加密的，但最终文档不加密：pdftk A=secured.pdf mydoc.pdf input_pw A=foopass cat output combined.pdf解压PDF流，以便文本编辑：pdftk mydoc.pdf output mydoc.clear.pdf uncompress压缩PDF：pdftk mydoc.pdf output mydoc.clear.pdf compress修复PDF文档pdftk broken.pdf output fixed.pdf分解成单页（文件名以pg_开头）pdftk mydoc.pdf burst报告PDF信息，输出到文本pdftk mydoc.pdf dump_data output report.txt

这么多例子，也不用一下子全部搞懂，这里咱们先看最后一条：报告PDF信息，其中就包含了一个PDF文件有多少页的信息！输出结果如下：

- 3 -

回到本文开始所提问题的关键点——获取PDF文件的总页数，我们就可以在Power Automate中调用pdftk工具来实现。

首先，我们先下载工具，下载地址：https://share./uHScXQNP

解压到一个自己方便调用的文件夹下，应该包含两个文件：

然后，在Power Automate里的实现过程如下：

Step-01 获取文件夹中的文件

Step-02 添加for each循环操作

Step-03 添加“运行DOS命令”步骤，获取pdf文件信息（包含页数）

在常规设置里，通过路径选择按钮选择pdftk所在的路径，通过参数选择按钮选择当前pdf文件的全名（%CurrentItem.FullName%），最后补充dumpdata参数，从而得到pdf文件的信息。

这里要注意的是，因为有些pdf文件的文件名称可能存在空格，因此，要对%CurrentItem.FullName%加上双引号，避免dos命令运行的出错！

通过上面的步骤得到pdf文件信息后，我们接下来先用比较基础的文本拆分方法从pdf信息中分离出pdf文件的页数，以后我们再讲其他更加方便的方法（但涉及到正则、或其他dos命令用法）。

Step-04 添加“拆分文本”操作，将上一步骤获取的pdf文件信息按“NumberOfPages:”拆分：

这样，pdf文件信息将被拆成2部分：

得到的结果中TextList[1]即为包含页数的部分。

Step-05 继续添加“拆分文本”步骤对TextList[1]按“换行符”进行拆分

此时，我们会得到多行内容，其中第1行（标号为0）的内容即为页数，但要注意，这里是文本格式的内容，接下来要将文本转为数值：

Step-06 添加“将文本转换为数值”步骤，对TextList2[0]转换为数值：

Step-07 添加“从pdf提取文本”步骤，按范围提取从第1页至“页数-5”的页面

Step-08 将提取的pdf文档内容写入文本文件

- 4 -

通过上面的简单步骤，我们获取了pdf文件的页数，然后按“页数-5”的方式完成了既定的目标。

这里，pdftk工具起到了很关键的作用，实为Power Automate实现pdf文件操作的重要补充，后面我会继续用来讲解更多日常工作中遇到的pdf文件自动化处理问题。

最后，再次推荐网站：批处理之家（http://bbs./），上面汇聚了大量用于批处理的工具或方法（DOS、PowerShell或VB）。

当然，对于大多数的朋友来说，并不需要学太多的DOS或PowerShell命令，但是，稍作了解，在需要的时候知道可能存在这么一种方式，哪怕是让别人帮忙实现，也多一种思路。