如何使用python-docx库准确统计Word文档页数？无需转PDF

由于python-docx没有原生API直接获取Word文档的页数（Word页数是渲染时动态计算的），但结合你提到的「页脚页码为每页唯一内容」的条件，可以通过提取所有页脚中的页码并去重计数的方式实现准确统计，替代不靠谱的「统计节」方法。

实现步骤与代码 #

from docx import Document
import re

def count_pages_via_footer(doc_path):
    doc = Document(doc_path)
    page_numbers = set()
    
    # 遍历所有节
    for section in doc.sections:
        # 遍历该节的所有页脚类型（普通页、首页、奇偶页）
        for footer_type in [section.footer, section.first_page_footer, section.even_page_footer]:
            if not footer_type.is_linked_to_previous:
                # 提取页脚所有段落的文本
                footer_text = "\n".join([para.text.strip() for para in footer_type.paragraphs])
                # 匹配页码（假设页码为数字，可根据实际格式调整正则）
                matches = re.findall(r"\d+", footer_text)
                for match in matches:
                    page_numbers.add(int(match))
    
    # 集合的长度即为总页数
    return len(page_numbers)

# 使用示例
doc_path = "your_document.docx"
total_pages = count_pages_via_footer(doc_path)
print(f"文档总页数：{total_pages}")

注意事项 #

• 如果文档使用罗马数字页码（如Ⅰ、Ⅱ或i、ii），需要修改正则表达式或添加数字转换逻辑，比如用roman库将罗马数字转为阿拉伯数字后再加入集合。
• 若部分节的页脚与上一节链接（is_linked_to_previous=True），会跳过重复的页脚内容，避免重复统计页码。
• 确保页脚中只有页码内容，若有其他文本，需调整正则表达式精准匹配页码（比如匹配位于页脚特定位置的数字）。

内容的提问来源于stack exchange，提问作者Vedant Bhatt