shuke-document-formatting

# 数科文印格式自动化工具包 ## 🎯 技能概述 **shuke-document-formatting** 是一套完整的自动化工具包，用于按照数科公司严格的文印格式要求处理文档。 ### 核心功能 1. **智能文档格式化**：基于目录结构分析，自动识别标题层次（一、二、三级标题），应用正确的字体、字号、对齐方式 2. **精确PDF生成**：使用指定字体（方正小标宋简体、仿宋GB2312、楷体GB2312、黑体）生成完全符合格式要求的PDF 3. **字体安装与管理**：一键安装所需字体，验证字体安装结果 4. **批量处理**：支持批量转换文件夹中的所有文档 5. **格式验证**：检查PDF使用的字体是否符合要求 ### 支持的格式要求 - **标题**：方正小标宋简体，二号，居中 - **一级标题**：黑体，三号，左对齐 - **二级标题**：楷体GB2312，三号，加粗，左对齐 - **三级标题**：仿宋GB2312，三号，左对齐 - **正文**：仿宋GB2312，三号，首行缩进2字符 - **页面设置**：上3.5cm，下3.5cm，左2.8cm，右2.8cm - **网格要求**：28字/行，22行/页 - **行距**：固定值28磅 ## 🚀 快速开始 ### 前置要求 - Python 3.8+ - python-docx 库 - 字体文件（可通过工具自动安装） ### 安装依赖 ```bash pip install python-docx ``` ### 字体安装 使用内置工具安装所需字体： ```bash python install_shuke_fonts.py python verify_shuke_fonts.py ``` ### 基本使用 #### 1. 格式化Word文档 ```bash python smart_format_v3.py input.docx output.docx ``` #### 2. 生成符合格式的PDF ```bash python convert_to_pdf_shuke_final.py input.docx output.pdf ``` #### 3. 批量转换 ```bash python batch_convert_shuke_pdf.py input_folder/ output_folder/ ``` #### 4. 生成示例文档 ```bash python generate_proper_example.py example.docx ``` ## 📁 工具说明 ### 核心工具 1. **smart_format_v3.py** - 智能格式化工具 - 基于目录结构分析，智能识别标题级别 - 自动应用正确的字体、字号、对齐方式 - 修复常见格式错误 2. **convert_to_pdf_shuke_final.py** - PDF生成工具 - 使用精确字体生成PDF - 确保页面设置符合要求 - 验证字体使用情况 3. **install_shuke_fonts.py** - 字体安装工具 - 自动安装数科公司要求的4种字体 - 支持系统级字体注册 4. **verify_shuke_fonts.py** - 字体验证工具 - 验证字体是否安装成功 - 检查字体名称匹配 5. **batch_convert_shuke_pdf.py** - 批量转换工具 - 批量处理文件夹中的所有Word文档 - 保持目录结构 6. **check_pdf_fonts.py** - PDF字体检查工具 - 检查PDF文档使用的字体 - 验证是否符合格式要求 7. **doc_generator.py** - 文档生成器 - 根据内容自动生成符合格式的Word文档 8. **generate_proper_example.py** - 示例生成器 - 生成完全符合文印格式的示例文档 ### 辅助工具 - **analyze_document_structure.py** - 文档结构分析 - **fix_docx.py** - 文档修复工具 - **check_docx.py** - 文档检查工具 ## 📖 详细使用指南 ### 文档格式化原理 工具采用三级标题识别策略： 1. **先识别目录结构**：分析文档整体组织架构 2. **再分析上下文关系**：判断标题级别和从属关系 3. **最后应用格式规则**：基于结构应用正确的字体、字号、对齐方式 ### 标题层次定义 - **一级标题**：中文序号（一、二、三、...），黑体，三号 - **二级标题**：中文括号序号（（一）（二）（三）...），楷体GB2312，三号，加粗 - **三级标题**：数字序号（1. 2. 3. ...），仿宋GB2312，三号 - **正文**：仿宋GB2312，三号，首行缩进2字符 ### 常见问题解决 #### 问题1：字体缺失 **症状**：PDF生成后字体不符合要求 **解决**：运行字体安装工具，确保字体文件位于`/usr/share/fonts/truetype/sim/`目录 #### 问题2：标题识别错误 **症状**：一级标题被识别为三级标题 **解决**：使用`smart_format_v3.py`的智能识别功能，或手动调整文档结构 #### 问题3：页面设置不正确 **症状**：文档页边距或行距不符合要求 **解决**：确保使用`convert_to_pdf_shuke_final.py`生成PDF ## 🔧 技术细节 ### 字体映射 - 方正小标宋简体 → 标题，二号，居中 - 黑体 → 一级标题，三号，左对齐 - 楷体GB2312 → 二级标题，三号，加粗，左对齐 - 仿宋GB2312 → 三级标题和正文，三号，左对齐 ### 页面设置参数 - 页边距：上3.5cm，下3.5cm，左2.8cm，右2.8cm - 页眉：2.5cm，页脚：2.5cm - 纸张：A4 - 网格：28字/行，22行/页 - 行距：固定值28磅 ### 编码处理 所有文档使用GBK编码，确保中文兼容性。ZIP打包时使用英文文件名避免乱码。 ## 📄 许可证 MIT-0 License ## 👥 贡献者 - 小强 (xiaoqiang) - 主要开发者 ## 📞 支持 如有问题，请在工作区中创建issue或联系开发者。 --- *最后更新：2026-03-28*