最近参与了一个档案管理系统，使用java开发，部署在centos，其中的一个功能需要获取到word文件准确的页码，现在将尝试过的方法汇总如下：
Java Apache POIC# Microsoft.Office.Interop.Word.ApplicationPython oletools (只支持doc)Python zipfile xml.etree.ElementTree (只支持docx)由于系统是java开发的，所以首先尝试了poi，但是获取的页码不准确，所以这个方案放弃掉了。poi操作word的例子很多，这里就不上示例代码了。
这种方法是能运行在windows上，直接上代码
public int GetWordPageCount(string filepath) { FileInfo f = new FileInfo(filepath); if (!f.Exists) { System.Console.WriteLine("打开文件失败"); pageNum = -1; return -1; } string file_name = f.Name; string file_path = f.FullName; int pageCount = 0; Microsoft.Office.Interop.Word.Application app; app = new Microsoft.Office.Interop.Word.Application(); app.Visible = false; object missing = System.Reflection.Missing.Value; object FileName = file_path; Microsoft.Office.Interop.Word.Document doc = null; try { doc = app.Documents.Open(ref FileName, ReadOnly: true); Microsoft.Office.Interop.Word.WdStatistic stat = Microsoft.Office.Interop.Word.WdStatistic.wdStatisticPages; pageCount = doc.ComputeStatistics(stat);//得到文档总页数 pageNum = pageCount; doc.Close(Microsoft.Office.Interop.Word.WdSaveOptions.wdDoNotSaveChanges, ref missing); app.Quit(Microsoft.Office.Interop.Word.WdSaveOptions.wdDoNotSaveChanges, ref missing, ref missing); return pageCount; } catch (Exception ex) { app.Quit(Microsoft.Office.Interop.Word.WdSaveOptions.wdDoNotSaveChanges, ref missing, ref missing); System.Console.WriteLine(ex.Message); return -1; } }这个方法需要使用做成dll，通过jni调用，将结果传给java。这个方法运行了一段时间后，运维反应还是有页数不对的，于是有了下一个方法。
上一个方法，由于C# Microsoft.Office.Interop.Word.Application只能在windows使用，所以还特意配了一台windows服务器，而使用oletools则可以运行在linux。 word文件本质上是一个ole文件，所以可以使用oletools工具包中的一个工具olemeta将信息读取到，meta是指word文件的元属性，如图 olemeta使用起来很简单，调用如下
olemeta E5D49CC1CB29E07F4825853D00379A50ZW.doc结果如下：
如果word中打开了阅读模式，如图，则olemeta获取的页码数是1
将文件另存为后，再次调用olemeta工具，就可以获取到正确的页码了。
docx格式不是一个ole格式文件，所以不能够使用ole工具。docx实质上是一个压缩包，如图所示： 其中，docProps/app.xml包含了页数属性，如图 所以可以使用zipfile解压并且使用xml.etree.ElementTree解析xml然后获取页数属性，代码如下：
#!/usr/bin/env python import sys, os, optparse import zipfile import xml.etree.ElementTree as ET def getPages(filename): with zipfile.ZipFile('E:\\work\\local\\20200910Word\\t.docx') as docx: tree = ET.XML(docx.read('docProps/app.xml')) for child in tree: if(child.tag.find('Pages') != -1): print(child.text) def main(): usage = 'usage: docx <filename>' parser = optparse.OptionParser(usage=usage) (options, args) = parser.parse_args() # Print help if no arguments are passed if len(args) == 0: print(__doc__) parser.print_help() sys.exit() for filename in args: if filename.endswith('/'): continue getPages(filename) if __name__ == '__main__': main()实践中，使用了oletools，zipfile和c#三种方法，首先使用python分别获取到doc和docx的页数，如果获取的页数是1，则使用c#方法再次计算。
