一、缘起

最近工作中经常遇到这样一种情况，需要使用word的邮件合并功能批量生成一个多页的word文档，但生成的文档又需要单独拆分成一个单独的文档。 比如，邮件合并的常用场景，批量生成奖状。现在需要把这个多页文档的每一个页，单独分割出来，保存成多个新文档。

坚持能机器绝不手动的原则，尝试了VBA，奈何VBA不熟悉；又尝试了转换成pdf，然后利用wps自带的pdf分页，这个可以实现功能，但需要wps会员，并且输出为图片也不利于扩展。于是又想起老朋友 — python

二、尝试

之前使用过python-docx实现word里面的图片的批量排版，那再来用它试试吧！
思路： word文档分页，是靠分页符来实现分页，所以只需要按顺序读取整个文档，然后找到分页符，然后每个分页符位置拆分文档，就可以把内容拆开，再来一个for循环，把开的内容依次写入新的文档就大功告成了。
开始动手！

def split_docx_by_pages_basic(input_file, output_folder):

 # 读取原始文档
 doc = Document(input_file)
 # 获取文件名
 base_name = os.path.splitext(os.path.basename(input_file))[0]
 # 获取文档中的所有段落
 paragraphs = doc.paragraphs
 page_count = 0
 current_page_content = []

 for i, paragraph in enumerate(paragraphs):
     current_page_content.append(paragraph)

     if paragraph.style.name == 'Page Break' or i == len(paragraphs) - 1:
         # 创建新文档
         new_doc = Document()

         # 复制页面内容到新文档
         for para in current_page_content:
             new_para = new_doc.add_paragraph()
             for run in para.runs:
                 new_run = new_para.add_run(run.text)
                 # 复制格式
                 new_run.bold = run.bold
                 new_run.italic = run.italic
                 new_run.underline = run.underline
                 new_run.font.name = run.font.name
                 new_run.font.size = run.font.size

         # 保存新文档
         output_file = os.path.join(output_folder, f"{base_name}_page_{page_count + 1}.docx")
         new_doc.save(output_file)
         print(f"已保存: {output_file}")

         # 重置当前页面内容
         current_page_content = []
         page_count += 1

 print(f"总计拆分为 {page_count} 个文档")

运行效果：

有点差强人意啊，不仅没有把文档分割，并且格式、页面面布局、印章等全乱了。
仔细查看了官方文档 python-docx以及其他资料，发现python-docx不直接支持页面操作，只能另辟蹊径了。

三、实现

黄天不负有心人，逛万999个博客后，终于发现 .docx文件的秘密了。原来 .docx文件它本质上是一个压缩的 ZIP 文件，内部包含 XML 文件，用于存储文档的文本、格式、图像等数据。把文件后缀名.docx改成.zip你就能看到他的真面目。

操作xml文件就简单多了，直接用最简单的正则匹配就好了。
1.读取文件、分析结构、找到分页节点

     with zipfile.ZipFile(input_file, 'r') as zip_ref:
         zip_ref.extractall(temp_dir)
         
     print(" 1. 分析文档结构...")
     # 读取并分析document.xml
     doc_xml_path = os.path.join(temp_dir, 'word', 'document.xml')
     with open(doc_xml_path, 'r', encoding='utf-8') as f:
         xml_content = f.read()

     body = root.find('w:body', namespaces)
     
     # 获取所有段落
     paragraphs = body.findall('w:p', namespaces)
     print(f"  找到 {len(paragraphs)} 个段落/元素")

     # 检测分页符
     page_breaks = []
     for i, para in enumerate(paragraphs):
         # 检查分页符
         br_elements = para.findall('.//w:br', namespaces)
         for br in br_elements:
             br_type = br.get(QName(namespaces['w'], 'type'))
             if br_type == 'page':
                 page_breaks.append(i)

         # 检查分节符
         p_pr = para.find('w:pPr', namespaces)
         if p_pr is not None:
             sect_pr = p_pr.find('w:sectPr', namespaces)
             if sect_pr is not None:
                 # 分节符作为分页点
                 page_breaks.append(i)

     # 确定拆分点
     if page_breaks:
         print(f"  检测到 {len(page_breaks)} 个分页/分节符")
         split_points = [0] + [pos + 1 for pos in page_breaks] + [len(paragraphs)]

2.每个部分创建文档、复制文档结构

        for part_num in range(len(split_points) - 1):
         start_idx = split_points[part_num]
         end_idx = split_points[part_num + 1]

         if start_idx >= end_idx:
             continue

         print(f"  创建第 {part_num + 1}/{len(split_points) - 1} 部分...")

         # 创建临时目录
         part_temp_dir = os.path.join(temp_dir, f'part_{part_num}')
         os.makedirs(part_temp_dir, exist_ok=True)

         # 完整复制文档结构
         copy_docx_structure_complete(temp_dir, part_temp_dir)

         # 创建当前部分的document.xml
         create_part_document_xml_complete(
             temp_dir, part_temp_dir,
             paragraphs[start_idx:end_idx],
             namespaces
         )

3.复制页面设置

def copy_page_settings(source_doc, target_doc):
   """复制页面设置"""
   try:
       if source_doc.sections and target_doc.sections:
           source_sec = source_doc.sections[0]
           target_sec = target_doc.sections[0]

           # 页边距
           target_sec.top_margin = source_sec.top_margin
           target_sec.bottom_margin = source_sec.bottom_margin
           target_sec.left_margin = source_sec.left_margin
           target_sec.right_margin = source_sec.right_margin

           # 页面大小
           target_sec.page_width = source_sec.page_width
           target_sec.page_height = source_sec.page_height

   except Exception as e:
       print(f"    复制页面设置失败: {e}")

4.复制段落及其所有格式

def copy_paragraph_with_all_format(source_para, target_doc):
    """复制段落及其所有格式"""
    try:
        # 创建新段落
        new_para = target_doc.add_paragraph()
        # 复制段落格式
        source_pf = source_para.paragraph_format
        target_pf = new_para.paragraph_format
        # 段前段后间距 
        target_pf.space_before = source_pf.space_before if source_pf.space_before is not None else Pt(0)
        target_pf.space_after = source_pf.space_after if source_pf.space_after is not None else Pt(0)
        # 缩进
        for attr in ['left_indent', 'right_indent', 'first_line_indent']:
            if hasattr(source_pf, attr):
                value = getattr(source_pf, attr)
                if value is not None:
                    setattr(target_pf, attr, value)
        # 行间距
        if hasattr(source_pf, 'line_spacing_rule'):
            target_pf.line_spacing_rule = source_pf.line_spacing_rule
        if hasattr(source_pf, 'line_spacing') and source_pf.line_spacing is not None:
            target_pf.line_spacing = source_pf.line_spacing
        # 对齐
        if source_para.alignment:
            new_para.alignment = source_para.alignment
        # 复制运行
        for run in source_para.runs:
            new_run = new_para.add_run(run.text)
            # 基本格式
            new_run.bold = run.bold
            new_run.italic = run.italic
            new_run.underline = run.underline
            # 字体
            if run.font.name:
                new_run.font.name = run.font.name
            if run.font.size:
                new_run.font.size = run.font.size
            # 颜色
            if run.font.color and run.font.color.rgb:
                new_run.font.color.rgb = run.font.color.rgb
    except Exception as e:
        print(f"  复制段落失败: {e}")
        target_doc.add_paragraph(source_para.text)

5.将目录压缩为docx文件

def create_zip_from_dir(source_dir, output_path):
    """将目录压缩为docx文件"""
    with zipfile.ZipFile(output_path, 'w', zipfile.ZIP_DEFLATED) as zipf:
        for root, dirs, files in os.walk(source_dir):
            for file in files:
                file_path = os.path.join(root, file)
                arcname = os.path.relpath(file_path, source_dir)
                zipf.write(file_path, arcname)

四、效果

完美拆分成四个文档了

验证每个文档的内容、格式等是否变化


效果基本达标！

五、改进

此方法虽实现功能，但过程相对啰嗦，解析xml全靠正则，没啥技术含量，代码量稍大。后续可以尝试先把word转化成pdf文件，然后分割pdf，分割后在把pdf转成word。