Java准确获取Word/Excel/PPT/PDF的页数（附Word页数读不准的处理办法）

1.需求背景

前两天接了个小需求，就是用Java准确地判断出Word（.doc和.docx）、Excel（.xls和.xlsx）、PPT（.ppt和.pptx）还有PDF的页数。开始觉得很简单，想都没想就用了Apache的POI，但后来发现个大问题：
Apache POI对于.doc（Office Word 1997- 2003的版本）后缀的word文件，页数读取不准！
度娘了一下，发现大家普遍都有这个问题，解决办法也是五花八门，有用POI的，有用JACOB将Word转PDF的，还有用第三方工具比如PageOffice/OpenOffice的，但是感觉都不是特别简洁。所以结合这些博客的经验及我自己的摸索，我终于找到了较为简单准确的解决方式，下面完整地分享给大家。

2.环境准备工作

2.1 JACOB介绍及安装

我的思路还是使用JACOB来操作Word，因为对于Office Word 97-03这种远古版本，除了软件自身提供的宏，似乎没有什么能对它进行直接的操作，而在Windows平台为了解决这种软件缺乏通用API的问题，推出了COM的解决方案。
而想通过Java来操作DOM，我们就需要一个JACOB(Java-COM Bridge)这样的桥梁。JACOB 开源项目提供的是一个 JVM 独立的自动化服务器实现，其核心是基于 JNI 技术实现的 Variant, Dispatch 等接口，从而调用Windows的COM(Component Object Model组对象模型)。
JACOB下载地址为：https://sourceforge.net/projects/jacob-project/
如下图：

点击Download，然后解压，将其中的jacob-1.19-x64.dll复制到System32文件夹下，如下图：

2.2 Microsoft Office Word的设置

因为是调用的Word Application自身，所以环境里必须得安装有Office Word，这个就不赘述。
Word里需要做如下两项设置，如下图：


原因是如果使用高版本的Office Word打开.doc文件，默认是预览视图，而不是编辑视图，这个预览视图会影响后面要介绍的方法的判断准确性，如下图：

3.代码

3.1 代码示例

3.1.1 pom.xml

<dependencies>
        <dependency>
            <groupId>net.java.dev.jna</groupId>
            <artifactId>jna-platform</artifactId>
            <version>4.1.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-scratchpad</artifactId>
            <version>3.8</version>
        </dependency>
        <!--用于操作Office系列-->
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-ooxml</artifactId>
            <version>3.8</version>
        </dependency>
        <!--用于操作Word-->
        <!-- https://mvnrepository.com/artifact/net.sf.jacob-project/jacob -->
        <dependency>
            <groupId>net.sf.jacob-project</groupId>
            <artifactId>jacob</artifactId>
            <version>1.14.3</version>
        </dependency>
        <!--用于操作PDF-->
        <!-- https://mvnrepository.com/artifact/com.lowagie/itext -->
        <dependency>
            <groupId>com.itextpdf</groupId>
            <artifactId>itextpdf</artifactId>
            <version>5.0.6</version>
        </dependency>
    </dependencies>

3.1.2 主要功能实现

package com.docreader;

import com.itextpdf.text.pdf.PdfReader;