Mac環境でPDFのページ数をカウントする9(+1)通りの手法

【追記】この記事を macOS 12.3 以降の環境に対応させた記事を書きました。 doratex.hatenablog.jp

id:acetaminophen さんが，Windows環境でPDFのページ数をカウントするバッチファイルを，様々な手法で実装する試みをなされています。

d.hatena.ne.jp

d.hatena.ne.jp

そこで，Mac環境についても，コマンドラインからPDFのページ数をカウントする様々な手法をまとめておこうと思います。

目次

• 1. Spotlight 検索インデックスのメタデータを利用する（信頼性：低）
• 2. RubyCocoa を利用する（10.5 Leopard 〜 10.9 Mavericks）
• 3. pdfinfo を使う（要pdfinfo）
• 4. QPDF を使う（要QPDF）
• 5. Ghostscript を使う（要Ghostscript）
• 6. exctractbb を使う（要TeX環境）
• 7. pdfTeX を使う（要TeX環境，ネタ）
• 8. Swift を使う（要Xcode Command Line Tools，遅い）
• 9. Python (PyObjC) を使う（最も汎用的）
• 結論：決定版は Python!
• AppleScript から PyObjC を利用する
• 番外編：AppleScriptObjC を利用する（10.10 Yosemite ～）

1. Spotlight 検索インデックスのメタデータを利用する（信頼性：低）

Mac環境でのPDFページ数カウントの方法として，よくこの手法が紹介されているのを見かけます。Spotlight 検索用のメタデータに保存されているページ数の情報を取り出すという手法です。

$ mdls "hoge.pdf" | grep kMDItemNumberOfPages | awk '{print $3}'

ただし，この方法は，

• CD-ROM 内や，ユーザがシステム環境設定でSpotlight検索から除外している場所など，Spotlightのインデックス作成対象でない場所にあるPDFに対しては使えない。
• Spotlight のメタデータが壊れている場合もあり，正しい結果が返ってくるとは限らない。

といった欠点があり，あまり信頼できる方法ではありません。

2. RubyCocoa を利用する（10.5 Leopard 〜 10.9 Mavericks）

OS X 10.5 Leopard 〜 10.9 Mavericks には，RubyからCocoaを利用するブリッジである RubyCocoa が標準添付されていました。これを利用すれば，ワンライナーRubyスクリプトから Cocoa / Quartz の機能を呼び出し，PDFのページ数を次のようにカウントすることが可能でした。

$ ruby -e 'require "osx/cocoa";include OSX;require_framework "Quartz";puts PDFDocument.alloc.initWithURL(NSURL.fileURLWithPath("hoge.pdf")).pageCount'

OS X 10.9 Mavericks では，Ruby 2.0 が標準になったものの，Ruby 1.8 も同梱されていますので，次のように Ruby 1.8 の絶対パスを指定すれば動きます。

$ /System/Library/Frameworks/Ruby.framework/Versions/1.8/usr/bin/ruby -e 'require "osx/cocoa";include OSX;require_framework "Quartz";puts PDFDocument.alloc.initWithURL(NSURL.fileURLWithPath("hoge.pdf")).pageCount'

しかし，OS X 10.10 Yosemite からは，とうとう Ruby 1.8 が削除されて Ruby 2.0 に一本化された影響により，RubyCocoa も標準添付されなくなりました。よって現在ではこの方法は標準では使えなくなっています。 Yosemite の Ruby 2.0 に対応した RubyCocoa の新版 がリリースされているようですので，各自がそれをインストールすれば再びこの手法が使えるようになるでしょう。 しかし，気軽に使える方法ではなくなってしまいましたので，別の手法を探します。

3. pdfinfo を使う（要pdfinfo）

Xpdf や Poppler の付属ツールである pdfinfo を使えば，その出力からPDFのページ数が得られます。

$ pdfinfo hoge.pdf | grep '^Pages: ' | awk '{print $2}'

pdfinfo は各自でインストールする必要があります。例えば MacPorts ならば，次のようにしてインストールできます。

$ sudo port install xpdf-tools

4. QPDF を使う（要QPDF）

QPDF をインストールしておけば，それを利用してPDFのページ数カウントができます。

$ qpdf --show-npages hoge.pdf

QPDFも MacPorts で簡単にインストールできます。

$ sudo port install qpdf

5. Ghostscript を使う（要Ghostscript）

Ghostscript が利用可能な環境であれば，Ghostscriptでページ数をカウントすることも可能です。

$ gs -q -dNODISPLAY -c '(hoge.pdf) (r) file runpdfbegin pdfpagecount = quit'

6. exctractbb を使う（要TeX環境）

最近の TeX 環境（TeX Live 2014 以上）がインストールされている環境であれば，extractbb -O の標準出力を解析することでページ数を得ることができます。

$ extractbb -O 'hoge.pdf' | grep '^%%Pages:' | cut -d' ' -f 2

7. pdfTeX を使う（要TeX環境，ネタ）

これはネタ的な方法ですが，PDFのページ数を出力させる pdfTeX 用の plain TeX ソースをその場でコンパイルする方法です。 texput.log というログファイルが出力されるので，後でその掃除をしています。

$
echo '\pdfoutput=1\pdfximage{hoge.pdf}\message{Pages:\the\pdflastximagepages}\bye' | pdftex -draftmode | grep '^Pages:' | cut -d':' -f 2; rm texput.log

8. Swift を使う（要Xcode Command Line Tools，遅い）

Xcode Command Line Tools がインストールされている環境であれば，Swift コンパイラをワンライナー実行用に使うことで，Quartz の機能を利用してPDFページ数カウントが可能です。

$ echo 'import Quartz;print(PDFDocument(url:URL(fileURLWithPath:"hoge.pdf"))!.pageCount)' | swift | sed -e '1,1d'

ただし，Swift のコンパイルが遅いので，実行時間が長く，この方法はあまり現実的ではありません。

9. Python (PyObjC) を使う（最も汎用的）

Python から OS X のAPIにアクセスするためのブリッジである PyObjC は，OS X 10.5 Leopard 以上で標準添付されており，現在の OS X 10.10 Yosemite でも標準で利用することができます。 Python から Quartz の機能を利用することで，PDFのページ数が得られます。

$ python -c "import os;import CoreGraphics as cg;print(cg.CGPDFDocumentCreateWithProvider(cg.CGDataProviderCreateWithFilename('hoge.pdf')).getNumberOfPages())"

結論：決定版は Python!

以上9種類の手法を比較してみると，現時点で「どのMac環境でも標準で使える方法」としては，Python に軍配が上がることが分かります。

ユーザに追加インストールを強いることなく，OS X 10.5 以上の全てのMac環境で利用可能で，動作速度にも問題ありませんので，Mac環境下におけるPDFページ数カウント法の決定版と言えるでしょう。

AppleScript から PyObjC を利用する

決定版である Python を使う方法を，AppleScript から利用可能なハンドラとしてもまとめておきましょう。

--- 与えられたPDFのページ数を返すハンドラ pdfPageCount
on pdfPageCount(aPDF)
    return (do shell script ("
python -c \"import os;import CoreGraphics as cg;print(cg.CGPDFDocumentCreateWithProvider(cg.CGDataProviderCreateWithFilename('" & POSIX path of aPDF & "')).getNumberOfPages())\"")) as integer
end pdfPageCount

--- テスト：ダイアログで選択したPDFファイルのページ数を表示する
set pdf to choose file of type {"com.adobe.pdf"}
set pages to my pdfPageCount(pdf)
display dialog ("Pages: " & pages) buttons {"OK"}

番外編：AppleScriptObjC を利用する（10.10 Yosemite ～）

OS X 10.10 Yosemite からは，通常の AppleScript の中から Objective-C のクラスを呼び出す AppleScriptObjC が使えるようになりました。この方法を使えば，do shell script による外部コマンド呼び出しを行うことなく，AppleScript からのPDFページ数カウントが可能です。

考え方としては，Swift を使う方法 と同様に，Quartz の機能を利用して OS X の CoreGraphics API を呼び出します。

use AppleScript version "2.4"
use framework "Foundation"
use scripting additions

--- 与えられたPDFのページ数を返すハンドラ pdfPageCount
on pdfPageCount(aPDF)
    set aPath to POSIX path of aPDF
    set aURL to current application's NSURL's fileURLWithPath:aPath
    set aDoc to current application's PDFDocument's alloc's initWithURL:aURL
    aDoc's pageCount()
end pdfPageCount

--- テスト：ダイアログで選択したPDFファイルのページ数を表示する
set pdf to choose file of type {"com.adobe.pdf"}
set pages to my pdfPageCount(pdf)
display dialog ("Pages: " & pages) buttons {"OK"}