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。

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