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

pip install python-docx

字体安装

使用内置工具安装所需字体：

python install_shuke_fonts.py
python verify_shuke_fonts.py

基本使用

1. 格式化Word文档

python smart_format_v3.py input.docx output.docx

2. 生成符合格式的PDF

python convert_to_pdf_shuke_final.py input.docx output.pdf

3. 批量转换

python batch_convert_shuke_pdf.py input_folder/ output_folder/

4. 生成示例文档

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