Python实现自动化拆分Word文档(按分节符与分页符)的完整教程

pip install Spire.Doc

from spire.doc import Document

inputFile = "./Data/多章节报告.docx"
outputFolder = "拆分结果_按节/"

# 加载源文档
document = Document()
document.LoadFromFile(inputFile)

# 遍历文档中的所有节
for i in range(document.Sections.Count):
    # 获取当前节
    section = document.Sections.get_Item(i)
    
    # 创建新文档
    newWord = Document()
    
    # 克隆当前节并添加到新文档
    newWord.Sections.Add(section.Clone())
    
    # 生成输出文件名
    result = outputFolder + "第{}章.docx".format(i + 1)
    
    # 保存新文档
    newWord.SaveToFile(result)
    newWord.Close()

document.Close()
print("文档拆分完成，共生成 {} 个文件".format(document.Sections.Count))

from spire.doc import Document, BreakType
from spire.doc.common import Paragraph

inputFile = "./Data/多页文档.docx"
outputFolder = "拆分结果_按页/"

# 加载源文档
original = Document()
original.LoadFromFile(inputFile)

# 创建新文档并添加节
newWord = Document()
section = newWord.AddSection()

# 克隆样式和主题，保持格式一致
original.CloneDefaultStyleTo(newWord)
original.CloneThemesTo(newWord)
original.CloneCompatibilityTo(newWord)

index = 0

# 遍历源文档的所有节
for m in range(original.Sections.Count):
    sec = original.Sections.get_Item(m)
    
    # 遍历节中的所有子对象
    for k in range(sec.Body.ChildObjects.Count):
        obj = sec.Body.ChildObjects.get_Item(k)
        
        if isinstance(obj, Paragraph):
            para = obj
            
            # 克隆节属性到新文档的节
            sec.CloneSectionPropertiesTo(section)
            
            # 将段落添加到新文档
            section.Body.ChildObjects.Add(para.Clone())
            
            # 检查段落中是否包含分页符
            for j in range(para.ChildObjects.Count):
                parobj = para.ChildObjects.get_Item(j)
                
                if isinstance(parobj, Break) and parobj.BreakType == BreakType.PageBreak:
                    # 获取分页符在段落中的位置
                    i = para.ChildObjects.IndexOf(parobj)
                    
                    # 移除分页符本身
                    section.Body.LastParagraph.ChildObjects.RemoveAt(i)
                    
                    # 保存当前页面为独立文件
                    resultF = outputFolder + "第{}页.docx".format(index + 1)
                    newWord.SaveToFile(resultF, FileFormat.Docx)
                    index += 1
                    
                    # 创建新的文档对象用于下一页
                    newWord = Document()
                    section = newWord.AddSection()
                    
                    # 重新克隆样式和主题
                    original.CloneDefaultStyleTo(newWord)
                    original.CloneThemesTo(newWord)
                    original.CloneCompatibilityTo(newWord)
                    
                    # 克隆节属性
                    sec.CloneSectionPropertiesTo(section)
                    
                    # 添加当前段落到新文档
                    section.Body.ChildObjects.Add(para.Clone())
                    
                    # 处理分页符前后的内容
                    if section.Paragraphs[0].ChildObjects.Count == 0:
                        # 如果段落为空，移除它
                        section.Body.ChildObjects.RemoveAt(0)
                    else:
                        # 移除分页符之前的内容
                        while i >= 0:
                            section.Paragraphs[0].ChildObjects.RemoveAt(i)
                            i -= 1
        
        elif isinstance(obj, Table):
            # 处理表格对象
            section.Body.ChildObjects.Add(obj.Clone())

# 保存最后一页
result = outputFolder + "第{}页.docx".format(index + 1)
newWord.SaveToFile(result, FileFormat.Docx2013)
newWord.Close()
original.Close()

print("文档按页拆分完成，共生成 {} 个文件".format(index + 1))

import os
from spire.doc import Document

def split_annual_report(input_file, output_dir):
    """按章节拆分年度报告"""
    doc = Document()
    doc.LoadFromFile(input_file)
    
    # 确保输出目录存在
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    
    for i in range(doc.Sections.Count):
        section = doc.Sections.get_Item(i)
        new_doc = Document()
        new_doc.Sections.Add(section.Clone())
        
        # 从第一节标题提取部门名称作为文件名
        first_para = section.Paragraphs[0] if section.Paragraphs.Count > 0 else None
        if first_para:
            dept_name = first_para.Text.strip().replace("/", "-")
            filename = "{}_年度报告.docx".format(dept_name)
        else:
            filename = "部门{}_年度报告.docx".format(i + 1)
        
        filepath = os.path.join(output_dir, filename)
        new_doc.SaveToFile(filepath)
        new_doc.Close()
    
    doc.Close()
    print("已拆分 {} 个部门报告".format(doc.Sections.Count))

# 使用示例
split_annual_report("./Data/公司年度汇总报告.docx", "./各部门报告/")

from spire.doc import Document, BreakType

def extract_pages(input_file, page_numbers, output_dir):
    """提取指定页面为独立文档"""
    original = Document()
    original.LoadFromFile(input_file)
    
    # 这里简化处理，实际需要根据分页符计算页码
    # 完整实现参考前面的按页拆分逻辑
    
    original.Close()

# 提取第 3、5、7 页
extract_pages("./Data/手册.docx", [3, 5, 7], "./提取页面/")