计算Word文档中的页面
我正在尝试使用java计算word文档中的页面。
这是我的实际代码，我正在使用Apache POI库
String path1 = "E:/iugkh"; File f = new File(path1); File[] files = f.listFiles(); int pagesCount = 0; for (int i = 0; i < files.length; i++) { POIFSFileSystem fis = new POIFSFileSystem(new FileInputStream(files[i])); HWPFDocument wdDoc = new HWPFDocument(fis); int pagesNo = wdDoc.getSummaryInformation().getPageCount(); pagesCount += pagesNo; System.out.println(files[i].getName()+":\t"+pagesNo); } 输出是：
ten.doc: 1 twelve.doc: 1 nine.doc: 1 one.doc: 1 eight.doc: 1 4teen.doc: 1 5teen.doc: 1 six.doc: 1 seven.doc: 1
这不是我所期望的，因为前三个文档的页面长度为4，另一个长度为1到5页。
我错过了什么？
我是否必须使用其他库来正确计算页数？
提前致谢
这可能对你有所帮助。 它计算了换页的数量（有时用于分隔页面），但我不确定它是否适用于所有文档（我猜它没有）。
WordExtractor extractor = new WordExtractor(document); String[] paragraphs = extractor.getParagraphText(); int pageCount = 1; for (int i = 0; i < paragraphs.length; ++i) { if (paragraphs[i].indexOf("\f") >= 0) { ++pageCount; } } System.out.println(pageCount);
这可能是一些版本的Word（2010年之前的版本，可能只是在Word 9.0中称为2000）或者至少在用于计算页面的COM预览器的某些版本中的错误。 apache开发人员拒绝为其实施解决方法： https ： //issues.apache.org/jira/browse/TIKA-1523
事实上，当你在Word中打开文件时，它当然会显示真实的页面，它也会重新计算计数，但最初它也会显示“1”。 但是在这里，保存在文件中的元数据只是“1”或者没有（见下文）。 POI不会“重排”布局来计算该信息。
这就是元数据仅在打开和编辑文件时由文字处理程序更新的原因。 如果您指示Word 2010打开“只读”文件（因为它是从Internet下载的，它会执行此操作），它会在页面列中显示“”。 见第2张截图。 很明显这个文件中有一个错误，而不是TIKA或POI的问题。
我还在那里发现了这个错误（对于Word 9.0 / 2000）是由MS确认的： http ： //support.microsoft.com/kb/212653/en-us
如果无法使用新版本的Word打开和重新关闭，另一种解决方法是将文档转换为pdf（甚至是xps）并计算其页面。