No momento eu estou olhando para fazer alguns PDF mesclando com pyPdf, mas às vezes as entradas não estão na ordem correta, então eu estou olhando para raspar cada página para o seu número de página para determinar a ordem em que deve ir (por exemplo, se alguém dividiu um livro em 20 PDFs de 10 páginas e eu quero colocá-los de volta juntos).

Eu tenho duas perguntas - 1.) Eu sei que às vezes o número da página é armazenado nos dados do documento em algum lugar, como eu vi PDFs renderizados na Adobe como algo como [1243] (10 de 150), mas eu li documentos deste tipo em pyPDF e não consigo encontrar qualquer informação indicando o número da página - onde isso é armazenado?

2.) Se a avenue # 1 não estiver disponível, acho que posso percorrer os objetos em uma determinada página para tentar encontrar um número de página - provavelmente seria seu próprio objeto que tivesse um único número. No entanto, parece que não consigo encontrar um caminho claro para determinar o conteúdo dos objetos. Se eu corro:

pdf.getPage(0).getContents()

Isso geralmente retorna:

{'/Filter': '/FlateDecode'}

ou retorna uma lista de objetos IndirectObject (num, num). Eu realmente não sei o que fazer com qualquer um desses e não há nenhuma documentação real sobre isso, tanto quanto eu posso dizer. Alguém está familiarizado com esse tipo de coisa que poderia me apontar na direção certa?