以编程方式获取 Linux 上 Microsoft Word 文档中的页数答案

【问题标题】：Programatically get pages count in Microsoft Word documents on linux以编程方式获取 Linux 上 Microsoft Word 文档中的页数
【发布时间】：2009-04-28 11:13:16
【问题描述】：

我需要从 word 文档中获取页数。我测试了许多库和脚本（apache poi、perl 脚本、一些适用于 linux 的应用程序等等），唯一可行的解决方案是使用 Wine 安装 Microsoft Office 并使用 perl 访问 OLE。我设法做到了，但由于许可问题，我似乎无法在服务器上使用它......

apachepoi 和其他提供对 word 文档信息的访问的解决方案的问题与某些文档的不完整性有关。文档摘要中的 pageCount 属性有时会丢失（通常是保存为 doc 和旧文档的 odt 文档）。

有没有什么方法可以在不安装 Microsoft Office 的情况下实际计算页面数（不仅从摘要中获取信息）？

【问题讨论】：

标签： ms-word

【解决方案1】：

我本来想说wvSummary，但我认为这使用了您所指的元数据。我不确定是否有一种方法可以在不实际布置文档的情况下获取页数。因此，您可能不得不求助于使用 API 来驱动真正与 Office 兼容的应用程序，例如 OpenOffice 或 AbiWord。

【讨论】：

我试过 vwSummary ，是的，它使用文档摘要。我忘了提到 OpenOffice，有 python 和 Java API，获取实际页数相当容易。这种方法的唯一问题是在 OpenOffice 中打开 doc 文件 - 有时它可能与使用 MS Office 打开的相同文件不同。
是的，OpenOffice 有时会有所不同。请记住，.doc 没有标准。所以真正的答案是，没有答案。没有标准的方法来计算页面，因为没有标准的方法来呈现 doc 文件。如果您必须获得与 Word 相同的页数，那么您显然必须使用 Word。

【解决方案2】：

如果您信任文档摘要，而不是使用 wvSummary，您可以打开文件并执行正则表达式搜索“nofpages(\d+)”。 Groups[1] 将包含页数。

由于 Word 总是在保存摘要时保存摘要，如果您知道文档上次使用 Word 保存，我认为这是非常安全的，根据我的经验，这是 99% 的时间。

【讨论】：

Word 有缺陷的版本除外；见stackoverflow.com/a/28596596/3588161