在日常做 Python 辦公自動化時，處理 Word 文檔往往不只是讀取文本內(nèi)容。很多時候，我們真正需要的是像處理 PDF 一樣去操作 Word 文檔，比如：

• 只保留合同的第一頁用于歸檔
• 從幾十頁的報告中提取某幾頁發(fā)送給客戶
• 把一個長文檔拆成多個小文件，方便管理或分發(fā)

這些需求看起來很常見，但一旦落到 Word 上，就會發(fā)現(xiàn)一個問題：按頁操作并不容易實現(xiàn)。這篇文章就圍繞這個問題，整理了幾種在實際項目中比較常見的需求，包括：

• 提取指定頁面（單頁或連續(xù)頁碼范圍）
• 提取不連續(xù)頁面
• 按頁拆分整個 Word 文檔

為什么 Word 很難按頁處理？

如果你之前用過 python-docx，可能已經(jīng)遇到過這個限制：它可以操作段落、表格、樣式，但沒法精確定位第幾頁。

原因在于Word 文檔并不是按頁存儲的。.docx 是一種基于 XML 的結構，內(nèi)容是連續(xù)流式的。所謂的第 1 頁、第 2 頁，其實是 Word 在打開文檔時，根據(jù)以下條件動態(tài)計算出來的結果：

• 頁面大小（A4、Letter 等）
• 頁邊距設置
• 字體、字號、行距
• 段落間距、分頁符

也就是說，頁碼不是寫在文件里的，而是算出來的。這也是為什么常規(guī)庫無法直接做到提取第 X 頁。

實現(xiàn)思路：選擇支持分頁計算的庫

既然頁碼是渲染出來的，那解決思路就比較清晰了：需要一個能還原排版的工具。也就是在代碼層面，把 Word 文檔先進行一次布局計算，然后再按頁面去操作。

這里使用的是 Spire.Doc for Python，它提供了直接的 API 來提取文檔的頁面，并支持處理.doc, .docx, .docm 等多種 Word 格式。

環(huán)境配置

首先，在終端中運行以下命令安裝該庫：

pip install Spire.Doc

安裝完成后，在項目中導入模塊：

from spire.doc import *

示例 1：使用 Python 提取 Word 文檔中的一頁或連續(xù)頁碼范圍

要從 Word 文檔中提取特定頁面，可以使用 Document.ExtractPages() 方法。該方法會返回一個包含特定頁面的新 Document 對象。它接收兩個參數(shù)：

1. index: 起始頁的索引。
2. count: 要提取的頁面數(shù)量。

實現(xiàn)代碼：

以下是使用 Python 從一個 Word 文檔中提取第一頁以及第 2-4 頁的實現(xiàn)代碼：

from spire.doc import *

# 加載 Word 文檔
doc = Document()
doc.LoadFromFile("輸入.docx")

# 提取第 1 頁 (索引為 0)
first_page = doc.ExtractPages(0, 1)
first_page.SaveToFile("第一頁.docx", FileFormat.Docx)

# 提取第 2 至 4 頁 (從索引 1 開始，提取 3 頁)
page_range = doc.ExtractPages(1, 3)
page_range.SaveToFile("2到4頁.docx", FileFormat.Docx)

# 釋放資源
doc.Dispose()
first_page.Dispose()
page_range.Dispose()

這種方式在實際項目里用得非常多，比如：

• 只導出封面或摘要頁
• 提取某個章節(jié)進行單獨處理
• 按范圍分段處理文檔

相比逐個遍歷元素復制內(nèi)容，這種方式更穩(wěn)定的一點在于：不會破壞原始布局。表格、圖片、分頁結構都會完整保留下來，不需要額外調(diào)整。

注意： 頁面索引是從 0 開始的。因此，第二頁的索引是 1。

示例 2：使用 Python 提取 Word 文檔中不連續(xù)的頁面

在實際應用中，有些需求并不是連續(xù)的一段頁面，而是零散頁面，比如：

• 第 1 頁（封面）
• 第 3 頁（摘要）
• 第 5 頁（結論）

這種情況下，可以把問題拆開來處理：逐頁提取，再合并結果。

基本思路是：

1. 定義需要的頁碼列表 （例如 [0, 2, 4]）。
2. 循環(huán)遍歷索引，調(diào)用 ExtractPages() 方法逐頁提取。
3. 把結果拼接到一個新文檔中。

實現(xiàn)代碼：

以下代碼展示了如何使用 Python 提取 Word 文章中的不連續(xù)頁面：

from spire.doc import *

# 加載原文檔
source_doc = Document()
source_doc.LoadFromFile("輸入.docx")

# 創(chuàng)建用于存放結果的新文檔
result_doc = Document()

# 定義要提取的頁面索引 (第 1, 3, 5 頁)
pages_to_extract = [0, 2, 4]

# 循環(huán)提取并合并
for page_index in pages_to_extract:
    temp_doc = source_doc.ExtractPages(page_index, 1)
    # 將提取頁面的節(jié) (Section) 添加到結果文檔
    for section in temp_doc.Sections:
        result_doc.Sections.Add(section.Clone())
    temp_doc.Dispose()

# 保存結果
result_doc.SaveToFile("非連續(xù)頁.docx", FileFormat.Docx)

source_doc.Dispose()
result_doc.Dispose()

注意： 這里有一個細節(jié)容易被忽略，在把內(nèi)容加入新文檔時，一定要用 .Clone()，這可以避免引用沖突并確保內(nèi)容被正確復制。

示例 3：使用 Python 將 Word 文檔拆分為單頁文件

如果你的目標是將一個 Word 文檔拆分為多個獨立文件（每頁一個文件），可以直接利用頁數(shù)循環(huán)處理。

實現(xiàn)代碼：

以下是使用 Python 將 Word 文檔按頁拆分為多個獨立文件的實現(xiàn)代碼：

from spire.doc import *

# 加載 Word 文檔
doc = Document()
doc.LoadFromFile("輸出.docx")

# 獲取總頁數(shù)
page_count = doc.PageCount

# 按頁拆分文檔
for i in range(page_count):
    single_page_doc = doc.ExtractPages(i, 1)
    # 保存為獨立文件，文件名從 Page_1 開始
    single_page_doc.SaveToFile(f"輸出/第{i + 1}頁.docx", FileFormat.Docx)
    single_page_doc.Dispose()

doc.Dispose()

這里文件名用 i + 1 而不是 i，只是為了讓結果更符合人的閱讀習慣。

這種方式適用于：

• 批量歸檔文檔（按頁存儲）
• 拆分掃描件或合同附件
• 按頁發(fā)送或上傳文件

提取 Word 頁面的注意事項

在處理頁面提取時，有幾個細節(jié)需要提前注意：

1. 頁碼不是固定的：Word 的分頁是動態(tài)計算的，比如修改字體、調(diào)整頁邊距、增減內(nèi)容，都可能讓“第 3 頁”變成“第 4 頁”。如果你的流程依賴固定頁碼，建議在處理后做一次簡單校驗，比如檢查頁數(shù)或關鍵內(nèi)容是否正確。
2. 不同環(huán)境可能影響結果：在不同系統(tǒng)或運行環(huán)境下（例如字體缺失、渲染方式不同），分頁結果可能會出現(xiàn)細微差異。本地運行正常的結果，在服務器上不一定完全一致，這一點在自動化處理時需要特別留意。
3. 內(nèi)存占用問題：如果在循環(huán)中處理大量頁面或批量文檔，記得及時調(diào)用 .Dispose() 釋放資源，避免對象長期占用內(nèi)存。否則在處理較大的文件時，容易出現(xiàn)性能下降甚至內(nèi)存溢出的問題。

總結

使用 Python 提取 Word 頁面，是辦公自動化中比較實用的一類需求，常見于報告拆分、內(nèi)容截取以及文檔歸檔等場景。

本文主要介紹了三種典型的頁面提取方式：提取單頁或連續(xù)頁面，用于快速截取文檔中的指定內(nèi)容；提取不連續(xù)頁面，用于從文檔中篩選特定頁并重新組合；以及按頁拆分整個 Word 文檔，將每一頁保存為獨立文件，便于后續(xù)管理與分發(fā)。通過這些方法，可以在不破壞原有排版的前提下，更靈活地對 Word 文檔進行頁面級處理，使其在實際自動化流程中更接近 PDF 的操作方式。

在實際使用時，建議結合真實文檔進行測試，以確保分頁結果符合預期，同時也需要留意不同環(huán)境下可能帶來的排版差異。

到此這篇關于Python實現(xiàn)高效提取Word文檔的特定頁的文章就介紹到這了,更多相關Python提取Word特定頁內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論