用Python直接获取Word文档页数、字数、段落数、节数等信息

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：

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。
定义待遍历的文件夹路径。
创建 Document 类的一个实例 doc，用于加载和操作 Word 文档。
使用 os.walk() 遍历指定文件夹及其子文件夹中的所有文件。
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。
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

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：

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。
定义待遍历的文件夹路径。
创建 Document 类的实例 doc，用于加载和操作 Word 文档。
使用 os.walk() 遍历指定文件夹及其子文件夹中的所有文件。
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。
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()