页码python-docx

Question

我正在尝试用Python语言创建一个程序，它可以在.docx文件中找到特定的单词并返回它所在的页码。到目前为止，在浏览python-docx文档时，我无法找到如何访问页码，甚至无法找到页码所在的页脚。有没有办法使用python-docx或者仅仅使用python来做到这一点？或者，如果不是，最好的方法是什么？

Answer 1

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

但是，某些客户端会在保存的XML中放置一个<w:lastRenderedPageBreak>元素，以指示它们上次呈现页面时在何处断开了页面。

我不知道哪种方法能做到这一点(尽管我希望Word本身能做到)，也不知道它有多可靠，但如果你想用Python工作，这就是我推荐的方向。您可能会使用python-docx来获取对所需lxml元素的引用(如w:document/w:body)，然后使用XPath命令或其他命令迭代到特定页面，但只要仔细考虑一下，就会有一些详细的开发来使其工作。

如果您使用本机Windows MS Office API，则可以获得更好的功能，因为它实际运行Word应用程序。

如果在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(也不太可能)。我们也不太可能在短期内添加对w:lastRenderedPageBreak的支持；我甚至不太确定那会是什么样子。

如果你搜索'lastRenderedPageBreak‘和/或'python-docx分页符’，你会在这里看到其他问题/答案，可能会给出更多。

Answer 2

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)