页码python-docx

Posted 2023-01-29

我试图在python中创建一个程序，可以在.docx文件中找到特定的单词并返回它发生的页码。到目前为止，在查看python-docx文档时，我一直无法找到如何访问页码或甚至是数字所在的页脚。有没有办法使用python-docx或甚至只是python？或者如果没有，最好的方法是什么？

答案

简短的回答是否定的，因为分页符由呈现引擎插入，而不是由.docx文件本身确定。

但是，某些客户端在保存的XML中放置一个<w:lastRenderedPageBreak>元素，以指示它们在上次呈现时中断页面的位置。

我不知道这是做什么的（虽然我希望Word本身可以做到）以及它有多可靠，但如果你想在Python中工作，这就是我推荐的方向。您可以使用python-docx获取对所需lxml元素的引用（如w:document/w:body），然后使用XPath命令或某些东西迭代到特定页面，但只是稍微考虑一下它将是一些详细的开发那里有工作。

如果您使用本机Windows MS Office API，您可能能够获得更好的东西，因为它实际上运行Word应用程序。

如果您在python-docx中生成文档，则不会放置这些元素，因为它不会尝试呈现文档（也不可能）。我们也不太可能很快添加对w：lastRenderedPageBreak的支持;我甚至不确定那会是什么样子。

如果您搜索'lastRenderedPageBreak'和/或'python-docx分页符'，您会在这里看到其他问题/答案，可能会提供更多。

另一答案

使用Python-docx: identify a page break in paragraph

from docx import Document
fn='1.doc'
document = Document(fn)
pn=1    
import re
for p in document.paragraphs:
    r=re.match('Chapter \d+',p.text)
    if r:
        print(r.group(),pn)
    for run in p.runs:
        if 'w:br' in run._element.xml and 'type="page"' in run._element.xml:
            pn+=1
            print('!!','='*50,pn)