如何批量删除DOCX文件中除第一页外的所有页面？

核心思路 #

DOCX本质是XML压缩包，没有原生的“页面”概念，直接按页面删除行不通。但可以通过定位分页符截断文档——Word里的分页靠<w:br w:type="page"/>标签实现，找到第一个分页符后删除后续所有内容，就能精准保留第一页。

具体实现方案 #

方案1：python-docx结合XML操作（跨平台推荐） #

python-docx虽无页面概念，但可直接访问底层XML处理分页符，速度快且无需依赖Office：

from docx import Document
import os

def keep_first_page(docx_path, output_path):
    doc = Document(docx_path)
    # 遍历段落寻找第一个分页符
    for para in doc.paragraphs:
        for run in para.runs:
            if '<w:br w:type="page"/>' in run._element.xml:
                para_idx = doc.paragraphs.index(para)
                # 删除分页符后的所有段落
                del doc.paragraphs[para_idx+1:]
                # 截断当前段落中分页符后的内容
                page_break_pos = run.text.find('\f')
                if page_break_pos != -1:
                    run.text = run.text[:page_break_pos]
                doc.save(output_path)
                return
    # 无分页符则直接保存（说明只有一页）
    doc.save(output_path)

# 批量处理文件夹内DOCX
input_dir = "你的输入文件夹路径"
output_dir = "你的输出文件夹路径"
os.makedirs(output_dir, exist_ok=True)

for file in os.listdir(input_dir):
    if file.endswith(".docx"):
        input_path = os.path.join(input_dir, file)
        output_path = os.path.join(output_dir, f"仅第一页_{file}")
        keep_first_page(input_path, output_path)

方案2：win32com调用本地Word（Windows专属，格式无损） #

直接调用本地Word程序处理，100%保留原格式，适合复杂排版的文档：

import win32com.client
import os

def keep_first_page_win32(docx_path, output_path):
    word = win32com.client.Dispatch("Word.Application")
    word.Visible = False  # 后台运行不显示窗口
    doc = word.Documents.Open(docx_path)
    # 选中第一页之后的所有内容并删除
    doc.Range(Start=doc.GoTo(What=1, Which=2).Start, End=doc.Content.End).Delete()
    doc.SaveAs(output_path)
    doc.Close()
    word.Quit()

# 批量处理逻辑同上
input_dir = "你的输入文件夹路径"
output_dir = "你的输出文件夹路径"
os.makedirs(output_dir, exist_ok=True)

for file in os.listdir(input_dir):
    if file.endswith(".docx"):
        input_path = os.path.join(input_dir, file)
        output_path = os.path.join(output_dir, f"仅第一页_{file}")
        keep_first_page_win32(input_path, output_path)

方案对比 #

• python-docx方案：跨平台、速度快、无需Office依赖，仅极端复杂格式（如嵌套表格、特殊图文混排）可能出现微小偏差。
• win32com方案：格式完全保真，但仅限Windows使用，依赖本地Word，批量处理速度略慢。

避坑提示 #

• 不要用“转PDF删页再转回DOCX”的方案，不仅格式极易错乱，处理效率也极低。
• 处理前务必备份原文档，避免数据丢失。

内容的提问来源于stack exchange，提问作者AmanKP