word文件

文件信息查询

常量值	含义	描述
0	wdStatisticWords	统计文档中的单词数。
1	wdStatisticLines	统计文档中的行数。
2	wdStatisticPages	统计文档中的页数。
3	wdStatisticCharacters	统计文档中的字符数（包括空格）。
4	wdStatisticCharactersWithSpaces	统计文档中的字符数（包括空格和特殊字符）。
5	wdStatisticParagraphs	统计文档中的段落数。
6	wdStatisticFarEastCharacters	统计文档中的东亚字符数（如中文、日文、韩文等）。

pip install comtypes

import comtypes.client

def get_word_page_count(doc_path: str) -> int:
    """
    使用 comtypes 获取 Word 文档的准确页数。

    :param doc_path: Word 文档的路径（.doc 或 .docx）
    :return: 文档的页数
    """
    try:
        # 启动 Word 应用程序
        word = comtypes.client.CreateObject("Word.Application")
        word.Visible = False  # 后台运行

        # 打开文档
        doc = word.Documents.Open(doc_path)

        # 获取页数
        page_count = doc.ComputeStatistics(2)  # 2 表示统计页数

        # 关闭文档并退出 Word
        doc.Close()
        word.Quit()

        return page_count

    except Exception as e:
        print(f"Error: {e}")
        return 0

# 使用示例
doc_path = "example.docx"
page_count = get_word_page_count(doc_path)
print(f"Page count: {page_count}")

# 统计文档的页数
page_count = doc.ComputeStatistics(2)  # 2 表示统计页数

# 统计文档的单词数
word_count = doc.ComputeStatistics(0)  # 0 表示统计单词数

# 统计文档的字符数（包括空格）
char_count = doc.ComputeStatistics(3)  # 3 表示统计字符数

word转出格式

格式名称	常量值	描述
PDF	17	PDF 格式
DOC	0	Word 97-2003 文档格式 (.doc)
DOCX	16	Word 文档格式 (.docx)
DOT	1	Word 97-2003 模板格式 (.dot)
DOTX	17	Word 模板格式 (.dotx)
RTF	6	富文本格式 (.rtf)
TXT	2	纯文本格式 (.txt)
HTML	8	HTML 格式 (.html)
MHTML	9	MHTML 格式 (.mhtml)
XML	11	XML 格式 (.xml)
ODT	23	OpenDocument 文本格式 (.odt)
XPS	18	XPS 格式 (.xps)
EPS	30	EPS 格式 (.eps)
JPEG	26	JPEG 图片格式 (.jpg)
PNG	28	PNG 图片格式 (.png)
BMP	25	BMP 图片格式 (.bmp)
GIF	27	GIF 图片格式 (.gif)
TIFF	29	TIFF 图片格式 (.tiff)
EMF	31	EMF 图片格式 (.emf)
WMF	32	WMF 图片格式 (.wmf)

#  是 PDF 格式的文件格式常量
word = comtypes.client.CreateObject("Word.Application")
doc = word.Documents.Open(input_file)
doc.SaveAs(output_file, FileFormat=17) 
doc.Close()
word.Quit()

win32com

import os, pathlib

from win32com import client
from pydantic import BaseModel, Field


class WORD_CODE:  # 记录所有word代码
    pdf: int = 17


class CpsWordConverterConfig(BaseModel):
    overwrite: bool = Field(False, description="如果文件已存在，是否覆盖输出")
    show_details: bool = Field(False, description="是否打印错误")


class CpsWordConverter:
    def __init__(self, config: CpsWordConverterConfig = None):
        """
        @Description {description}

        - param config=None :{CpsWordConverterConfig} 实例配置

        @example
        ```python
        target = r"Z:/xxxdir/xxxx.docx"
        target_dir = r"Z:/work/2023/改图/2023职称/周末bk"

        # 初始化
        Config = CpsWordConverterConfig(overwrite=False, show_details=True)
        Convert = CpsWordConverter(Config)

        # 单独转换文件
        Convert.convert(target)

        # 遍历目录
        Convert.convert(target_dir)
        ```

        """
        # 检查当前系统环境是否安装了word
        if not self.__check():
            raise "实例化失败"

        if config:
            self.config = config
        else:
            self.config = CpsWordConverterConfig()

        self.word = None  # 存储word实例

    def print(self, *argvs, **keys):
        if self.config.show_details:
            print(*argvs, **keys)

    def convert(self, target: str) -> list[str]:
        """
        @Description 转换主函数

        - param target :{str} target可以是目录，也可以是文件，如果是目录，将直接进行递归

        """
        try:
            if not os.path.exists(target):
                self.print("目标不存在: ", target)
                return []

            # 判断是目录还是文件
            p = pathlib.Path(target)
            result = []
            if p.is_file():
                result.append(self.__word2pdf(p))
            elif p.is_dir():
                result = self.__dir_handler(p)

            return result
        except Exception as e:
            self.print("convert err: ", e)
            return []

    def __del__(self):
        if self.word:
            self.word.Quit()
            self.word = None

    def __check(self) -> bool:
        return True

    def __open_word(self):
        self.word = client.Dispatch("Word.Application")
        self.word.Visible = False

        return self.word

    def __dir_handler(self, dir_path: str | pathlib.Path) -> str:
        docx = list(pathlib.Path(dir_path).glob("**/*.docx"))
        doc = list(pathlib.Path(dir_path).glob("**/*.doc"))

        word_list = docx + doc

        result = []
        if len(word_list) == 0:
            return ""
        else:
            self.print("当前需要处理的文件有: ", len(word_list))

        for each in word_list:
            result.append(self.__word2pdf(each))

        return result

    @staticmethod
    def word_accept_all_revisions(word):
        """
        @Description 对当前的word文件进行一次接收所有修订操作，并原地保存

        - param word :{param} word实例

        """
        try:
            word.ActiveDocument.TrackRevisions = False
            # word.WordBasic.AcceptAllChangesInDoc() # 会报错，但也可以接收所有修订
            word.ActiveDocument.Revisions.AcceptAll()

            if word.ActiveDocument.Comments.Count >= 1:
                word.ActiveDocument.DeleteAllComments()

            return word
        except Exception as err:
            print("word_accept_all_revisions: ", err)
            return word

    def __word2pdf(self, word_file: pathlib.Path) -> str:
        """
        - param word_file :{str} `.doc|.docx`结尾的文件
        """
        try:
            # 获取同名的pdf输出路径
            word_file_path = str(word_file.resolve())
            output_pdf_path = str(word_file.resolve()).replace(word_file.suffix, ".pdf")

            # 已存在pdf，是否进行覆盖
            if os.path.exists(output_pdf_path):
                # 不覆盖的话，直接跳过
                if not self.config.overwrite:
                    self.print("文件已存在: ", output_pdf_path)
                    return ""

            # 打开word应用程序
            if not self.word:
                self.word = self.__open_word()

            # 打开word文件
            doc = self.word.Documents.Open(word_file_path)

            # 所有修订
            self.word_accept_all_revisions(self.word)

            # 另存为后缀为".pdf"的文件，其中参数17表示为pdf
            doc.Activate()
            doc.SaveAs(output_pdf_path, WORD_CODE.pdf)

            # 关闭原来word文件
            doc.Close()

            self.print("完成转换: ", word_file)
            return output_pdf_path

        except Exception as e:
            self.print("word2pdf err: ", e)

            return ""


def example():
    target = r"Z:\work\2024\项目\东莞海腾码头补办水利手续\0808珠江水文水资源勘测中心-东莞海腾码头补办水利手续工作大纲及报价书(1).docx"
    target_dir = r"Z:\work\2023\改图\2023职称\周末bk"

    Config = CpsWordConverterConfig(overwrite=False, show_details=True)
    Convert = CpsWordConverter(Config)
    Convert.convert(target)


def main(target: str):
    Config = CpsWordConverterConfig(overwrite=False, show_details=True)
    Convert = CpsWordConverter(Config)
    Convert.convert(target)


if __name__ == "__main__":
    # example()
    import argparse

    # 初始化实例
    parser = argparse.ArgumentParser()

    # 解释参数
    parser.add_argument(
        "target",  # 不要处理的word文件
        help="需要处理的.doc/.docx文件，绝对路径",
        type=str,
    )

    args = parser.parse_args()

    main(args.target)

comtypes

# -*- coding: utf-8 -*-
#
# @Author: CPS
# @email: 373704015@qq.com
# @Date: 2024-12-05 12:38:23.143046
# @Last Modified by: CPS
# @Last Modified time: 2024-12-05 12:38:23.144038
# @file_path "D:\CPS\MyProject\test\src\大藤下归档相关"
# @Filename "wordToJpg.py"
# @Description: 使用comtypes调用本地安装的word来转换文件
#
import os, sys

sys.path.append("..")
from os import path
from pathlib import Path
from pydantic import BaseModel
import comtypes.client

# Microsoft Word 文件格式常量映射表
FILE_FORMAT_MAP = {
    "PDF": 17,  # PDF 格式
    "DOC": 0,  # Word 97-2003 文档格式 (.doc)
    "DOCX": 16,  # Word 文档格式 (.docx)
    "DOT": 1,  # Word 97-2003 模板格式 (.dot)
    "DOTX": 17,  # Word 模板格式 (.dotx)
    "RTF": 6,  # 富文本格式 (.rtf)
    "TXT": 2,  # 纯文本格式 (.txt)
    "HTML": 8,  # HTML 格式 (.html)
    "MHTML": 9,  # MHTML 格式 (.mhtml)
    "XML": 11,  # XML 格式 (.xml)
    "ODT": 23,  # OpenDocument 文本格式 (.odt)
    "XPS": 18,  # XPS 格式 (.xps)
    "EPS": 30,  # EPS 格式 (.eps)
    "JPEG": 26,  # JPEG 图片格式 (.jpg)
    "PNG": 28,  # PNG 图片格式 (.png)
    "BMP": 25,  # BMP 图片格式 (.bmp)
    "GIF": 27,  # GIF 图片格式 (.gif)
    "TIFF": 29,  # TIFF 图片格式 (.tiff)
    "EMF": 31,  # EMF 图片格式 (.emf)
    "WMF": 32,  # WMF 图片格式 (.wmf)
}


def word_to_pdf(input_file: str, output_file: str) -> None:
    """
    将 Word 文件另存为 PDF。

    :param input_file: 输入的 Word 文件路径（.docx 或 .doc）
    :param output_file: 输出的 PDF 文件路径（.pdf）
    :return: None
    """
    try:
        _, ext = path.splitext(output_file)
        if not FILE_FORMAT_MAP[ext.upper()]:
            print(f"不支持当前格式输出{ext}")
            return

        # 启动 Word 应用程序
        word = comtypes.client.CreateObject("Word.Application")

        # 使 Word 程序在后台运行，不显示界面
        word.Visible = False

        # 打开 Word 文件
        doc = word.Documents.Open(input_file)

        # 将 Word 文件另存为 PDF
        doc.SaveAs(output_file, FileFormat=FILE_FORMAT_MAP[ext.upper()])  # 17 是 PDF 格式的文件格式常量

        # 关闭文档
        doc.Close()

        # 退出 Word 应用程序
        word.Quit()

    except Exception as e:
        print(e)


def test():
    target_dir = r"D:\Work\大藤峡\00 监理要求软件文件\01 开工文档\CB02 施工进度计划申报表"
    target_list = []
    target_list += [str(name) for name in Path(target_dir).glob("*.doc")]
    target_list += [str(name) for name in Path(target_dir).glob("*.docx")]

    output_list = []
    output_list += [name.replace(".doc", ".pdf") for name in target_list if str(name).endswith(".doc")]
    output_list += [name.replace(".docx", ".pdf") for name in target_list if str(name).endswith(".docx")]

    for idx, _ in enumerate(target_list):
        input_file = _
        output_file = output_list[idx]

        word_to_pdf(input_file, output_file)


if __name__ == "__main__":
    test()

    tar = r"D:\Work\大藤峡\归档\电子版\卷002\word\BS·22·01-002-7.docx"

    word_to_pdf(tar, output_file)

列出文件夹页码

#  是 PDF 格式的文件格式常量
word = comtypes.client.CreateObject("Word.Application")
doc = word.Documents.Open(input_file)
doc.SaveAs(output_file, FileFormat=17) 
doc.Close()
word.Quit()