Apache POI 获取 doc 文件页数不准，如何解决

Apache POI 是一个用于读写 Microsoft Office 文档的 Java 库，其中包括 Word 文档（.doc 和 .docx 格式）。在获取 Word 文档的页数时，您可能会发现 Apache POI 得到的页数与实际页数不符。这是因为 Apache POI 计算页数的方式是依据文本内容计算的，而不是依据文档中的实际页面数量计算的。

为了解决这个问题，您可以考虑使用另外一个 Java 库 Apache PDFBox。PDFBox 是一个用于读写 PDF 文档的 Java 库，可以将 Word 文档转换为 PDF 文档，然后使用 PDFBox 获取 PDF 文档的页数。以下是一个示例代码：

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.pdfbox.pdmodel.PDDocument;

public class WordPageCounter {

    public static int getPageCount(File file) throws IOException {
        String fileName = file.getName();
        String extension = fileName.substring(fileName.lastIndexOf(".") + 1);

        if (extension.equals("doc")) {
            FileInputStream fis = new FileInputStream(file);
            HWPFDocument doc = new HWPFDocument(fis);
            Range range = doc.getRange();
            int pageCount = range.numSections();
            fis.close();
            return pageCount;
        } else if (extension.equals("docx")) {
            XWPFDocument docx = new XWPFDocument(new FileInputStream(file));
            int pageCount = 0;
            for (XWPFParagraph p : docx.getParagraphs()) {
                pageCount += p.getDocument().getPageSize().getHeight() / 72;
            }
            return pageCount;
        } else {
            return 0;
        }
    }

    public static int getPdfPageCount(File file) throws IOException {
        PDDocument doc = PDDocument.load(file);
        int pageCount = doc.getNumberOfPages();
        doc.close();
        return pageCount;
    }

    public static void main(String[] args) throws IOException {
        File file = new File("test.docx");
        int pageCount = getPageCount(file);
        System.out.println("Word Document Page Count: " + pageCount);

        File pdfFile = new File("test.pdf");
        int pdfPageCount = getPdfPageCount(pdfFile);
        System.out.println("PDF Document Page Count: " + pdfPageCount);
    }
}

在上述示例代码中，我们根据文件的扩展名来判断文件类型，如果是 .doc 文件，则使用 HWPFDocument 类来读取文档内容并计算页数；如果是 .docx 文件，则使用 XWPFDocument 类来读取文档内容并计算页数。最后，我们使用 PDFBox 中的 PDDocument 类来读取 PDF 文档并获取页数。

希望这个解决方案能够帮到您！