用Python直接获取Word文档页数、字数、段落数、节数等信息

浅浅的花香味﹌ 2024-05-01 03:16 114阅读 0赞

计算 Word 文档的页数、字数等信息是出版、学术和内容管理等领域的一项基本任务。准确的页数和字数对于评估文档长度、估算印刷成本、分析文本复杂性以及确保符合格式化指南至关重要。逐个预览文档查看相关信息是非常麻烦的事情，我们可以在不预览文档的情况下，**用Python实现快速批量地获取文档中的页数、字数、段落数、节数、词数**等关键信息，实现文档的高效管理，简化相关任务流程。

#### 文章目录 ####

*   *  获取Word文档页数、字数、字符数、段落数以及带空格的字符数
     *  用Python计算Word文档节的数量

本文所使用的方法需要用到[Spire.Doc for Python][]，可从官网获取通过PyPI：`pip install Spire.Doc`。

### 获取Word文档页数、字数、字符数、段落数以及带空格的字符数 ###

API中提供的 **Document.BuiltinDocumentProperties** 属性可以获取文档中的一些内置属性，如页数、词数、字符数等信息。以下是操作步骤：

1.  导入所需库：`spire.doc` 和 `spire.doc.common` 用于处理 Word 文档，`os` 用于操作系统文件及目录操作。
2.  定义待遍历的文件夹路径。
3.  创建 `Document` 类的一个实例 `doc`，用于加载和操作 Word 文档。
4.  使用 `os.walk()` 遍历指定文件夹及其子文件夹中的所有文件。
5.  对于遍历到的每个文件：
    
     *  检查文件扩展名是否为 `.doc` 或 `.docx`，若是则表示为 Word 文档。
     *  使用 `os.path.join()` 组合完整文件路径，并使用 `doc.LoadFromFile()` 方法加载该 Word 文档。
     *  调用 `doc.UpdateWordCount()` 更新文档的字数统计信息，确保统计数据准确。
     *  获取文档的内置属性，存储在 `builtinProperties` 变量中。
     *  从内置属性中分别提取文档的页数（`PageCount`）、段落数（`ParagraphCount`）、字符数（`CharCount`）、包含空格的字符数（`CharCountWithSpace`）和字数（`WordCount`）。
     *  将这些统计信息与对应的文件名一起打印出来。
6.  在遍历并处理完所有 Word 文档后，调用 `doc.Close()` 关闭文档，释放资源。

**代码示例**

from spire.doc import *
    from spire.doc.common import *
    import os
    
    # 定义文件夹路径
    folderPath = "Documents"
    
    # 创建Document实例
    doc = Document()
    
    # 遍历文件夹中的文档
    for root, dirs, files in os.walk(folderPath):
        for file in files:
            # 判断文件是否为Word文档
            if file.endswith(('.doc', '.docx')):
                # 载入Word文档
                doc.LoadFromFile(os.path.join(root, file))
                # 更新字数统计（确保字数统计是最新的）
                doc.UpdateWordCount()
                # 获取文档内置属性
                builtinProperties = doc.BuiltinDocumentProperties
                # 获取页数
                pageCount = builtinProperties.PageCount
                # 获取段落数
                paragraphCount = builtinProperties.ParagraphCount
                # 获取字符数
                charCount = builtinProperties.CharCount
                # 获取包含空格的字符数
                charCountWithSpaces = builtinProperties.CharCountWithSpace
                # 获取字数
                wordCount = builtinProperties.WordCount
                # 输出结果
                print(f"文档——{
          file} 页数为：", pageCount)
                print(f"文档——{
          file} 段落数为：", paragraphCount)
                print(f"文档——{
          file} 字符数为：", charCount)
                print(f"文档——{
          file} 包含空格的字符数为：", charCountWithSpaces)
                print(f"文档——{
          file} 字数为：", wordCount)
    doc.Close()

**输出结果**  
![Python获取Word文档页数 字数 字符数 段落数][Python_Word_ _ _]

### 用Python计算Word文档节的数量 ###

节的计数不被统计在内置属性中，但我们可以直接使用 Document.Sections.Count 属性计算节的数量。以下是操作步骤：

1.  导入所需模块：`spire.doc` 和 `spire.doc.common` 用于处理 Word 文档，`os` 用于操作系统文件及目录操作。
2.  定义待遍历的文件夹路径。
3.  创建 `Document` 类的实例 `doc`，用于加载和操作 Word 文档。
4.  使用 `os.walk()` 遍历指定文件夹及其子文件夹中的所有文件。
5.  对于遍历到的每个文件：
    
     *  检查文件扩展名是否为 `.doc` 或 `.docx`，如果是，则表示为 Word 文档。
     *  使用 `os.path.join()` 组合得到文件的完整路径，并使用 `doc.LoadFromFile()` 方法加载该 Word 文档。
     *  从文档对象 `doc` 中获取文档中节（section）的数量，存储在变量 `sectionCount` 中。
     *  将文档名和节的数量一同打印出来，展示文档内部的结构信息。
6.  在遍历并处理完所有匹配的 Word 文档后，调用 `doc.Close()` 方法关闭文档，释放资源。

**代码示例**

from spire.doc import *
    from spire.doc.common import *
    import os
    
    # 定义文件夹路径
    folderPath = "Documents"
    
    # 创建Document实例
    doc = Document()
    
    # 遍历文件夹中的文件
    for root, dirs, files in os.walk(folderPath):
        for file in files:
            # 判断文件是否为Word文档
            if file.endswith(('.doc', '.docx')):
                # 载入Word文档
                doc.LoadFromFile(os.path.join(root, file))
                # 获取文档中节的数量
                sectionCount = doc.Sections.Count
                # 输出结果
                print(f"文档——", file, " 节数为：", sectionCount)
    doc.Close()

**输出结果**  
![Python获取Word文档节数][Python_Word]

本文介绍了如何使用Python获取Word文档页数、字数、字符数、段落数、节数以及带空格的字符数。  
[更多Spire.Doc for Python教程][Spire.Doc for Python 1]  
**[申请免费License][License]**

[Spire.Doc for Python]: https://www.e-iceblue.cn/Downloads/Spire-Doc-Python.html
[Python_Word_ _ _]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/5977ede2c691415196ec5ffb869b1a7d.png
[Python_Word]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/56470f03dedf4fc19f3ef93ea9434471.png
[Spire.Doc for Python 1]: https://www.e-iceblue.cn/docforpython/spire-doc-for-python-program-guide-content.html
[License]: https://www.e-iceblue.com/TemLicense.html