我看到了这个问题PHP-获取Word文档中的页数。我还需要从给定的word文件（doc/docx）中确定页数。我试图调查phplivedocx/ZF（@hobodave链接到原始帖子中的答案），但我在那里失去了双手和双腿。我也不能使用任何外部web服务（比如DOC2PDF网站，然后计算PDF版本中的页面，等等…）
简单地说：是否有任何php代码（使用ZF或php中的任何其他代码，不包括COM对象或其他执行文件，如"AbiWord"；我使用的是共享Linux服务器，没有exec或类似功能）来查找word文件的页数？
编辑：即将支持的word版本是Microsoft word 2003&2007年
获取docx文件的页数非常容易：
function get_num_pages_docx($filename)
{
$zip = new ZipArchive();
if($zip->open($filename) === true)
{
if(($index = $zip->locateName('docProps/app.xml')) !== false)
{
$data = $zip->getFromIndex($index);
$zip->close();
$xml = new SimpleXMLElement($data);
return $xml->Pages;
}
$zip->close();
}
return false;
}
对于97-2003格式来说，这当然很有挑战性，但绝非不可能。页数存储在文档的SummaryInformation部分，但由于文件的OLE格式，查找起来很困难。这里对结构的定义非常彻底（尽管imo很糟糕），这里更简单。我今天看了一个小时，但没有走多远！（不是我习惯的抽象级别），但输出十六进制以更好地理解结构：
function get_num_pages_doc($filename)
{
$handle = fopen($filename, 'r');
$line = @fread($handle, filesize($filename));
echo '<div style="font-family: courier new;">';
$hex = bin2hex($line);
$hex_array = str_split($hex, 4);
$i = 0;
$line = 0;
$collection = '';
foreach($hex_array as $key => $string)
{
$collection .= hex_ascii($string);
$i++;
if($i == 1)
{
echo '<b>'.sprintf('%05X', $line).'0:</b> ';
}
echo strtoupper($string).' ';
if($i == 8)
{
echo ' '.$collection.' <br />'."'n";
$collection = '';
$i = 0;
$line += 1;
}
}
echo '</div>';
exit();
}
function hex_ascii($string, $html_safe = true)
{
$return = '';
$conv = array($string);
if(strlen($string) > 2)
{
$conv = str_split($string, 2);
}
foreach($conv as $string)
{
$num = hexdec($string);
$ascii = '.';
if($num > 32)
{
$ascii = unichr($num);
}
if($html_safe AND ($num == 62 OR $num == 60))
{
$return .= htmlentities($ascii);
}
else
{
$return .= $ascii;
}
}
return $return;
}
function unichr($intval)
{
return mb_convert_encoding(pack('n', $intval), 'UTF-8', 'UTF-16BE');
}
它将把代码放在你可以找到的部分，例如：
007000: 0500 5300 7500 6D00 6D00 6100 7200 7900 ..S.u.m.m.a.r.y.
007010: 4900 6E00 6600 6F00 7200 6D00 6100 7400 I.n.f.o.r.m.a.t.
007020: 6900 6F00 6E00 0000 0000 0000 0000 0000 i.o.n...........
007030: 0000 0000 0000 0000 0000 0000 0000 0000 ................
这将允许您查看参考信息，例如：
007040: 2800 0201 FFFF FFFF FFFF FFFF FFFF FFFF (...ÿÿÿÿÿÿÿÿÿÿÿÿ
007050: 0000 0000 0000 0000 0000 0000 0000 0000 ................
007060: 0000 0000 0000 0000 0000 0000 0000 0000 ................
007070: 0000 0000 2500 0000 0010 0000 0000 0000 ....%...........
这将允许您确定所描述的属性：
_ab = ("SummaryInformation")
_cb = 0028
_mse = 02 (STGTY_STREAM)
_bflags = 01 (DE_BLACK)
_sidLeftSib = FFFF FFFF
_sidRightSib = FFFF FFFF (none)
_sidChild = FFFF FFFF (n/a for STGTY_STREAM)
_clsid = 0000 0000 0000 0000 0000 0000 0000 0000 (n/a)
_dwUserFlags = 0000 0000 (n/a)
_time[0] = CreateTime = 0000 0000 0000 0000 (n/a)
_time[1] = ModifyTime = 0000 0000 0000 0000 (n/a)
_startSect = 0000 0000
_ulSize = 0000 1000
_dptPropType = 0000 (n/a)
它可以让你找到相关的代码部分，打开它并获得页码。当然，这是我没有时间处理的困难，但应该会让你朝着正确的方向前进。
M$不要让它变得容易！
看看微软codeplex的PhpWord。。。"http://phpword.codeplex.com/
它将允许您在PHP中打开和读取单词格式的文件，并执行您需要的任何处理。
要使用PHP获取doc、docx、ppt和pptx的元数据属性，如页数、幻灯片数量，我遵循了以下过程，它很有魅力，我很高兴，下面是我遵循的过程，希望它能帮助
Download and configure Apache Tika.
完成后，您可以尝试执行以下命令，它将提供有关文件的所有元数据
java -jar tika-app-1.5.jar -m test.docx
java -jar tika-app-1.5.jar -m test.doc
java -jar tika-app-1.5.jar -m test.pptx
java -jar tika-app-1.5.jar -m test.ppt
经过测试，您可以在PHP脚本中执行此命令。谢谢
是否排除使用Abiword或OpenOffice？不可能-页数将取决于单词/字母的数量、使用的字体、对齐和紧排、页边距大小、行距、段落间距、段落数量、列、图形/嵌入对象的大小、分页符/分栏符和页边距。
你需要一些能够理解所有这些的东西。
即使您使用OpenOffice或Abiword，重新折叠文本也可能会更改页数。事实上，在某些情况下，在MSWord的不同实例上打开同一文档可能会导致差异。
你可能能管理的最好的方法是基于文档表示的统计方法，但你仍然会看到巨大的差异。