python-docxでWordのページ番号を取得したい

Question

前提・実現したいこと

MS Word文書内における、指定した文字列を検索するプログラムを作成しています。
（grep的な処理）
文字列がヒットした場合、その文字列が文書内の何ページ目にあるかを返したいです。

発生している問題

指定した文字列が存在する段落（Paragraph）を返すことはできたのですが、
ページの指定方法がわかりません。

作成中のソースコード

指定した文字列が存在する段落を返すコードです。

from docx import Document

file = '検索するWord文書'
s_str= '検索する文字列'
document = Document(file)
count = 0
for para in document.paragraphs:
    if para.text.find(s_str) > -1:
        print(count)
    count += 1

試したこと

公式ドキュメントを見ましたが、該当の情報は見つかりませんでした。
https://python-docx.readthedocs.io/en/latest/index.html
ヘッダー／フッターにページ番号を挿入する方法はあったのですが、
既存の文書から検索する方法がどうしてもわかりません。

補足情報（FW/ツールのバージョンなど）

Windows 10 Pro 54bit
Python 3.8.10
Word for Microsoft 365 MSO 64bit

Comments

[etherbeg]

見た目のページの区切りってフォントの大きさや行間の幅、ページの余白、ページサイズ、ヘッダーやフッターのサイズ等々ですぐ変化するので、果たして「ページ番号」というのを静的な情報として持っているのか、それとも印刷や印刷ビューの時に動的に生成されているのかですよね。
実際のワードファイルがどうかはわかりませんが、python-docxのドキュメントやオブジェクトのプロパティをざっと見てみた限りでは、確かに少なくともpython-docxはページ番号の情報は持っていないような感じはします。
確信は持てないので、あくまで感想ということで、こちらにコメントさせていただきました。
ヘッダー／フッターにページ番号を挿入するのってどうやってするのですか？

[mnmnmmmn]

やはりpython-docxでは難しそうですね。
>ヘッダー／フッターにページ番号を挿入するのってどうやってするのですか？
→こちら私の勘違いで、python-docx単体ではできませんでした…申し訳ないです。
（一応質問本文も修正いたしました）
http://cup.sakura.ne.jp/use_markdown/usepandoc.html#session-ex25
↑
代替案としては、こちらで紹介されているように、ページ番号を付加したテンプレートを別に用意してそれを読み込むという方法になろうかと思います。

Answer 1

断言はできませんが、できない可能性が高いでしょう。

Wordファイルの構成から考えると、文書のある箇所のページ番号を取得するためには、セクションごとの余白、ヘッダ、フッタ、ページ脚注、文末脚注、文字ごとのフォントサイズ、フォントの種類、セクションの行間設定、個別の行の行間設定など、文書の全てを見渡さなければページ番号の取得はできません。さらに言えば、その文書を開くWORDのバージョンによってもページは異なることがあったと思いますし、使用しているフォントがインストールされていないために代替フォントを使用した場合には同じバージョンのWORDを使ってもページ番号は変わってしまいます。

そういう処理を作り込むというのはWORDを丸ごと作るのと同じだけの手間がかかりますので、python-docxがそこまでできるわけはないだろうと考えます。

ページ情報を使いたければWORDと同じ機能を呼び出して処理するwin32com(pywin32)を使うことをお勧めします。
Python(pywin32)でWordを操作する[10] - Word文書をgrepする(ページ数表示, 行数表示, ワイルドカード展開)を見ればページ番号の取得方法が書かれています。

Comments

[mnmnmmmn]

回答ありがとうございます。
大変勉強になりました。
たしかにwin32comならできそうですね！
トライしてみます。
参考URLの情報もありがとうございます。