精准计算Word文档页数的PHP类-EW帮帮网

WordPageCounter 文档

概述

WordPageCounter 是一个 PHP 类，用于计算 Microsoft Word (.docx) 文档的页数。它通过解析文档的 XML 结构和内容来估算页数，而不是依赖文档元数据中的页数信息（因为元数据可能不准确）。

功能特性

支持 .docx 格式的 Word 文档
两种页数计算方式：
- 从文档属性 (app.xml) 中直接读取页数（如果存在且有效）
- 基于文档内容和格式进行页数估算
考虑多种文档元素：
- 页面大小和方向
- 页边距
- 段落间距
- 字体大小
- 分页符和分节符
- 多栏布局

类结构

属性

$filePath: 文档文件路径
$zipArchive: ZipArchive 实例，用于处理 docx 文件
$documentXml: 文档主体内容 (word/document.xml) 的 SimpleXMLElement 对象
$appXml: 文档属性 (docProps/app.xml) 的 SimpleXMLElement 对象
$stylesXml: 样式定义 (word/styles.xml) 的 SimpleXMLElement 对象
$sectionProperties: 文档各节的页面属性数组
$styles: 文档中定义的样式集合

主要方法

`__construct(string $filePath)`

构造函数，初始化 WordPageCounter 实例并加载文档内容。

`getPageCount(): int`

获取文档页数的主要方法。首先尝试从 app.xml 中获取页数，如果不可用则基于内容计算。

`initialize(): void`

初始化方法，加载并解析文档内容。执行以下操作：

检查文件存在性和格式
打开 docx 文件作为 zip 存档
加载文档主体、属性和样式 XML
提取样式信息和节属性

辅助方法

parseXml(string $xmlContent): SimpleXMLElement - 解析 XML 字符串
extractStyles(): void - 从 styles.xml 提取样式信息
extractSectionProperties(): void - 从 document.xml 提取节属性
calculatePageCountFromDocument(): int - 基于内容计算页数
calculateParagraphHeight(DOMXPath, DOMElement, int): int - 计算段落高度

技术细节

页数计算逻辑

从 app.xml 获取（如果存在且有效）：
- 直接读取 <Pages> 节点的值
基于内容计算：
- 遍历文档中的所有段落
- 检测分页符和分节符
- 根据页面大小、边距和内容高度计算页数
- 考虑段落间距、字体大小和行距

单位系统

使用 Word 内部的 "twips" 单位（1 twip = 1/1440 英寸）进行计算。

默认值

当某些属性未定义时使用以下默认值：

页面大小：A4 (11906 × 16838 twips)
页边距：1 英寸 (1440 twips)
行距：12 磅 (240 twips)
字体大小：12 磅 (240 twips)

使用示例

php

try {
    $counter = new WordPageCounter('example.docx');
    $pageCount = $counter->getPageCount();
    echo "The document has approximately {$pageCount} pages.";
} catch (\Exception $e) {
    echo "Error: " . $e->getMessage();
}

注意事项

仅支持 .docx 格式（基于 Open XML 的 Word 文档）
基于内容的页数计算是估算值，可能与 Word 实际显示的页数有差异
复杂的文档元素（如表格、图片、浮动对象）可能影响计算准确性
需要 PHP 的 Zip 和 XML 扩展支持

异常处理

类可能抛出以下异常：

RuntimeException: 文件不存在、无法打开或 XML 解析失败
InvalidArgumentException: 文件不是 .docx 格式

详细代码如下：

<?php
declare(strict_types=1);

namespace WordPageCounter;

use ZipArchive;
use SimpleXMLElement;
use DOMDocument;
use DOMXPath;

/**
 * WordPageCounter类用于精确计算Word文档的页数
 * 通过解析Word文档的XML结构，考虑文本、图片、表格、表单和Visio对象等因素
 */
class WordPageCounter
{
    private string $filePath;                    // Word文档文件路径
    private ?ZipArchive $zipArchive = null;      // 用于处理docx文件的ZipArchive对象
    private ?SimpleXMLElement $documentXml = null;  // document.xml内容
    private ?SimpleXMLElement $appXml = null;    // app.xml内容（包含页数信息）
    private ?SimpleXMLElement $stylesXml = null; // styles.xml内容（包含样式信息）
    private ?SimpleXMLElement $headerXml = null; // header.xml内容（页眉）
    private ?SimpleXMLElement $footerXml = null; // footer.xml内容（页脚）
    private array $sectionProperties = [];       // 文档各节的属性（页面大小、边距等）
    private array $styles = [];                  // 文档样式定义
    private array $mediaFiles = [];              // 文档中的媒体文件（图片等）
    private array $objects = [];                 // 文档中的嵌入对象（表单、Visio等）
    
    /**
     * 构造函数，初始化Word页数计算器
     * @param string $filePath Word文档路径
     */
    public function __construct(string $filePath)
    {
        $this->filePath = $filePath;
        $this->initialize();
    }
    
    /**
     * 初始化函数，加载Word文档并解析其内容
     */
    private function initialize(): void
    {
        // 检查文件是否存在
        if (!file_exists($this->filePath)) {
            throw new \RuntimeException("File not found: {$this->filePath}");
        }
        
        // 检查文件是否为docx格式
        if (strtolower(pathinfo($this->filePath, PATHINFO_EXTENSION)) !== 'docx') {
            throw new \InvalidArgumentException("Only .docx files are supported");
        }
        
        // 禁用libxml错误输出，改为内部处理
        libxml_use_internal_errors(true);
        
        // 打开docx文件（实际上是zip压缩包）
        $this->zipArchive = new ZipArchive();
        if ($this->zipArchive->open($this->filePath) !== true) {
            throw new \RuntimeException("Failed to open the docx file as a zip archive");
        }
        
        // 加载并解析document.xml（文档主要内容）
        $documentXmlContent = $this->zipArchive->getFromName('word/document.xml');
        if ($documentXmlContent === false) {
            throw new \RuntimeException("Failed to extract document.xml from the docx file");
        }
        $this->documentXml = $this->parseXml($documentXmlContent);
        
        // 加载并解析app.xml（包含文档元数据，可能包含页数）
        $appXmlContent = $this->zipArchive->getFromName(

精准计算Word文档页数的PHP类