docx-splitting

name	docx-splitting
description	当需要在 Windows + Microsoft Word 环境中按页拆分 .docx 文件并尽量保留原始格式、图片、表格和分页效果时使用。

DOCX 按页拆分

使用场景

用于把一个 .docx 文档按页数拆分成多个较小的 .docx 文件，并尽量保留 Word 原始排版。

仅适用于 Windows + Microsoft Word 环境，因为脚本通过 win32com.client 调用 Word COM 自动化接口，分页结果依赖本机 Word 排版引擎。

依赖安装

前置条件：

• Windows。
• 已安装 Microsoft Word 桌面版。
• Python 与 Word 位数兼容，通常使用当前 Windows Python 即可。

pip install pywin32

安装后可做最小检查：

python -c "import win32com.client; print('pywin32 ok')"

脚本

优先使用 bundled script：

scripts/split_docx.py

命令行用法

拆成 4 份：

python scripts/split_docx.py input.docx

拆成 8 份并指定输出目录：

python scripts/split_docx.py input.docx --output-dir split_output --parts 8

Python 调用

from scripts.split_docx import split_docx_lossless_by_pages

split_docx_lossless_by_pages(
    "input.docx",
    output_dir="split_output",
    parts=8,
)

注意事项

• 运行前关闭正在编辑的同一个 Word 文件。
• 建议先复制原始 .docx，在副本上运行。
• 字体缺失、页面设置差异或 Word 版本差异可能导致分页略有不同。
• --parts 必须是正整数；如果总页数少于 parts，脚本只会生成实际需要的 part。
• 如果拆分边界落在复杂表格、图片或分页符附近，需要人工检查边界页是否缺失或重复。

验证

拆分后人工打开输出文件，检查：

• 每个 part 是否能正常打开。
• 页码范围是否大致符合预期。
• 表格、图片、公式和标题格式是否保留。
• 相邻 part 之间是否有明显内容缺失或重复。