【发布时间】：2021-04-05 22:11:01
【问题描述】：
我目前正在处理 docx 文件，并且我正在使用 w:lastRenderedPageBreak 作为每个页面内容的标记。我有必要确定一个页面是否已经结束。
我现在的代码是这样的：
from docx import Document
document = Document(file)
for p in document.paragraphs:
if 'lastRenderedPageBreak' in p._element.xml:
# do something
# rest of code here
现在我遇到的问题是一个有 4 页的 docx 文件只有 2 个 w:lastRenderedPageBreak 标签。我尝试打开 docx 文件并保存它，但 w:lastRenderedPageBreak 标签没有增加。
w:lastRenderedPageBreak 正确显示分页符的唯一时间是我打开 docx 文件并将其另存为 XML 文件时。
在使用 python-docx 解析文本和格式化时，有什么方法可以跳过另存为 XML 部分以正确查看 lastrenderedpagebreaks？如果可能的话，我想用 python、win32com 或 vba 来做。
编辑： 我想要 w:lastRenderedPageBreak 的原因是在解析内容时处理脚注时遇到问题，因为它们的格式与普通文本相同（源问题且无法修复）。唯一的区别是它们的开头有一个上标数字。这里需要确定页面是否已经结束，因为当前如果脚本不知道页面是否已经结束，它将继续将下一页的文本包含到脚注中，直到找到 w:lastRenderedPageBreak。
例如： 我希望 docx 的 XML 从此改变：
脚注 1：此处为文字。 \p 此处属于脚注 1 的附加文本。 脚注 2：此处为文字。 新页面文本从这里开始...
进入这个：
脚注 1：此处为文字。 \p
此处属于脚注 1 的附加文本。
脚注 2：此处为文字。
所有文本都包含在框架中，因此无需担心页面大小、方向和边距。只要可以在内容或 xml 中标记页面的结尾或新页面的开头，docx 的外观并不重要。
【问题讨论】：
-
除非您明确输入分页符，否则文档中没有明确的页面。如果文件打印在不同类型的纸张上，例如 A4 与 Letter，页面将会改变。这适用于所有文字处理器，而不仅仅是 Word。如果您打印或显示文档，页面及其内容将在运行时根据介质的大小、边距等进行计算。
-
另一方面，PDF 既不是可编辑的，也不是文字处理格式。它本质上是打印命令（特别是 Postscript）。如果您尝试在不同的介质上显示或打印 PDF 文件，您将使用相同数量的页面进行拉伸或裁剪以适应介质。这就是为什么在手机上阅读 PDF 文档如此痛苦的原因
-
忘记添加了，文件中的所有文本都包含在文本框/框架中。我检查了 XML 并且这些框已经有一个 h:x 和 h:y 所以我的文件是以 A4 页面格式还是字母格式打开并不重要。我只想在加载后添加和保留分页符。
-
I just want pagebreaks to be added然后你必须自己添加。同样，Word 不是 PDF 或桌面发布应用程序。就像 HTML 或 LaTeX 一样，页面是根据媒体和内容动态计算的，而不是相反 -
脚注不是这样工作的。它们是a special <footnote> element，存储在
FootNotes部分中，并始终显示在 分页后的页脚中。同样，Word 与 LaTex 几乎没有什么不同（除了 part-as-XML 文件...... pat）。您无需知道页面的分页方式即可找到其脚注或其引用。这就是 Word 的目录和脚注、图像列表的工作方式。
标签： python vba docx win32com python-docx