### Python拆分Word文档为多个不超过50MB的小文件 要在Python中实现将Word文档分割成多个大小不超过指定限制（如50MB）的小文件，可以通过`python-docx`库来读取和写入`.docx`文件。以下是具体方法： #### 使用`python-docx`处理Word文档 通过`python-docx`库加载原始Word文档并逐段提取其内容[^1]。每一段的内容会被逐步追加到新的子文档中，直到达到设定的文件大小上限。 ```python from docx import Document import os def split_word_document(input_path, output_dir, max_size_mb=50): """ 将Word文档按大小拆分成多个小文件。 参数: input_path (str): 输入Word文档路径。 output_dir (str): 输出目录路径。 max_size_mb (int): 单个文件的最大大小（单位：MB，默认50MB）。 """ # 创建输出目录 if not os.path.exists(output_dir): os.makedirs(output_dir) # 加载输入文档 doc = Document(input_path) current_doc = None file_count = 1 for paragraph in doc.paragraphs: text = paragraph.text.strip() # 如果当前文档为空或者超出最大大小，则创建新文档 if current_doc is None or get_file_size(current_output_path) >= max_size_mb * 1024 * 1024: if current_doc is not None: current_doc.save(current_output_path) # 初始化新文档 current_output_path = os.path.join(output_dir, f"part_{file_count}.docx") current_doc = Document() file_count += 1 # 添加段落到当前文档 current_doc.add_paragraph(text) # 保存最后一个文档 if current_doc is not None and len(current_doc.paragraphs) > 0: current_doc.save(current_output_path) def get_file_size(file_path): """获取文件大小（字节）。""" return os.path.getsize(file_path) if os.path.exists(file_path) else 0 # 调用函数示例 input_path = "example.docx" output_directory = "./split_documents" max_size_in_mb = 50 split_word_document(input_path, output_directory, max_size_in_mb) ``` 上述代码实现了以下功能： - **动态调整文件大小**：当检测到当前正在构建的文件接近或超过给定的最大尺寸时，会自动切换至下一个文件继续记录数据。 - **保持结构一致性**：虽然这里仅考虑了简单的段落复制操作，但可以根据需求扩展支持表格、图片等内容迁移逻辑。 注意，在实际应用过程中还需要考虑到其他因素比如特殊字符编码等问题可能会引起错误；另外对于非常大的源文件来说效率也可能成为瓶颈之一因此建议优化内存管理策略以提高性能表现。