Python **不能直接按“页面”来拆分 `.docx` 文件**，因为 `.docx` 是一种流式文档格式，不像 PDF 那样有明确的“页面”概念。`.docx` 文件的分页是由 Word 程序在渲染时根据字体、纸张大小、边距等自动决定的，因此在代码中无法像处理 PDF 页面那样进行精确分割。 不过，如果你确实需要实现类似“按页拆分”的功能，可以通过以下几种方式间接实现： --- ## ✅ 解决方案一：使用 `python-docx` + 模拟分页（不完全准确） 你可以尝试通过插入“分页符”（page break）来判断当前段落是否强制分页，然后根据这些信息进行逻辑上的拆分。 ### 示例代码：识别并按分页符拆分 ```python from docx import Document import os def split_docx_by_page_break(input_path, output_folder): doc = Document(input_path) if not os.path.exists(output_folder): os.makedirs(output_folder) current_subdoc = None file_count = 0 for para in doc.paragraphs: # 创建新文档起点 if current_subdoc is None: current_subdoc = Document() print("新建文档") # 判断是否有分页符 if 'w:pageBreakBefore' in para._element.xml: if current_subdoc.paragraphs: # 如果已有内容，则保存旧文档 current_subdoc.save(os.path.join(output_folder, f"page_{file_count}.docx")) file_count += 1 current_subdoc = Document() # 添加段落到当前文档 current_subdoc.add_paragraph(para.text) # 保存最后一个子文档 if current_subdoc and current_subdoc.paragraphs: current_subdoc.save(os.path.join(output_folder, f"page_{file_count}.docx")) file_count += 1 print(f"共拆分为 {file_count} 个分页文档。") ``` --- ### 📌 说明： - `'w:pageBreakBefore'` 是 Word XML 中用于表示该段前强制分页的标签。 - 此方法只能识别人工插入的分页符，不能识别 Word 自动分页。 - 所以它适用于你提前在 Word 中手动插入了分页符的情况。 --- ## ✅ 解决方案二：转为 PDF 后按页拆分（推荐） 如果你必须按照视觉上的“页面”来拆分文档，建议先将 `.docx` 转换为 `.pdf`，然后再用 `PyPDF2` 或 `pdfplumber` 进行页面提取和拆分。 ### 示例流程： 1. 将 `.docx` 转换为 `.pdf`（可以使用 `docx2pdf`） 2. 使用 `PyPDF2` 按页拆分 PDF #### 安装依赖： ```bash pip install docx2pdf PyPDF2 ``` #### 示例代码： ```python from docx2pdf import convert from PyPDF2 import PdfReader, PdfWriter import os # 第一步：转换 docx 为 pdf convert("input.docx", "output.pdf") # 第二步：按页拆分 PDF with open("output.pdf", "rb") as infile: reader = PdfReader(infile) total_pages = len(reader.pages) for i in range(total_pages): writer = PdfWriter() writer.add_page(reader.pages[i]) with open(f"pages/page_{i+1}.pdf", "wb") as outfile: writer.write(outfile) print(f"成功拆分为 {total_pages} 页 PDF 文件。") ``` --- ###