使用python实现公文自动排版的经验分享

简介

最近正在开发一个对docx文件进行公文自动排版的程序，将经验分享一下，让看到的人少走弯路，主要使用的是python 3.8.8，docxtpl 0.16.6，python-docx 0.8.11。

我遇到的具体需求是：用户在前端可以通过类似腾讯文档、金山文档等在线文档编辑的方式，对正文内容进行编辑，然后将正文以docx文件格式及其他相关参数提交给后端，后端再使用docxtpl和python-docx对文档进行格式化，生成统一格式的公文。

目前的效果是：从发送内容到生成文件只需要几分钟。

公文结构分析

公文主要包含几个部分：1、红头，2、正文，3、附件，4、版记

开发方案

通过对各类公文的分析，制定的方案为：

一、先对获取到的docx文件清除所有格式，然后使用统一的格式进行一遍设置。这一步比较简单。

二、对特定的格式进行设置，例如：正文标题、一级标题、二级标题、接收单位、附件清单、落款日期等。这一步的难点在于如何对内容进行判断，这里需要与用户进行约定和确认，以确保不同的内容使用不同的格式。

比如我遇到的情况是：

一级标题统一为“一、二、三、四、”，

二级标题统一为“（一）（二）（三）（四）”，

默认正文的第一行为正文标题，第二行为接收单位，第三行开始为正文及附件内容。

三、制作不同公文对应的模板，将对应的内容填写到模板对应的位置，然后将已经设置好格式的正文内容复制到模板中。这一步的问题是复制到模板中的正文格式会发生变化，还需要对发生变化的地方重新设置格式。

核心代码

对于填充模板内容相对简单，这里提供一个演示代码，实际使用需要根据具体需求进行调整

from docxtpl import DocxTemplate

class fdocx:
    def format_docx(self):
        # 创建文档对象，并加载模板文件
        doc = DocxTemplate(r"e:\doctest\fgstzs1.docx")
        # 定义模板上要替换的标记
        title='这是标题'
        towho='各部门'
        ftype='工作通知书'   
        year= '2023'
        month= '06'
        day= '15'
        who='拟稿人'
        bumen='办公室'
        params = {
            'title': title,
            'towho':towho,
            'type1':ftype,
            'year': year,
            'month': month,
            'day': day,
            'who':who,
            'bumen':bumen
        }
        doc.render(params)

        # 将生成的 Word 文档保存到本地
        doc.save(r"e:\doctest\output.docx")

清除所有内容的格式，演示代码如下：

import docx

class fdocx:
    def clear_formatting(self, doc):
        # 清除段落格式和字体格式
        for paragraph in doc.paragraphs:
            text = paragraph.text
            paragraph.clear()
            paragraph.text = text

定位正文的内容以设置不同的格式，思路是通过find查找对应的内容，然后进行格式设置。示例代码如下：

import docx
from docx.oxml.ns import qn
from docx.shared import Pt, RGBColor
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

class fdocx:
    def __init__(self):
        #用json统一定义不同内容对应的字体格式，段落格式。
        self.formats = [
            {'id': 1, 'font': '黑体', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT, 'color': RGBColor(0, 0, 0),
             'first_line_indent': 391160,'style':'Normal'}
            , {'id': 2, 'font': '楷体_GB2312', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT,
               'color': RGBColor(0, 0, 0),
               'first_line_indent': 391160,'style':'Normal'}
            , {'id': 3, 'font': '仿宋_GB2312', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT,
               'color': RGBColor(0, 0, 0),
               'first_line_indent': 391160,'style':'Normal'}
            , {'id': 4, 'font': '仿宋_GB2312', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT,
               'color': RGBColor(0, 0, 0),
               'first_line_indent': 0,'style':'Normal'}
            , {'id': 5, 'font': '方正小标宋简体', 'pt': 22, 'alignment': WD_PARAGRAPH_ALIGNMENT.CENTER,
               'color': RGBColor(0, 0, 0), 'first_line_indent': 0,'style':'Normal'}
            , {'id': 6, 'font': '仿宋_GB2312', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT,
               'color': RGBColor(0, 0, 0),
               'first_line_indent': 963930,'style':'Normal'}
            , {'id': 7, 'font': '仿宋_GB2312', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.RIGHT,
               'color': RGBColor(0, 0, 0),
               'first_line_indent': 0,'style':'Normal'}
            ]
        self.fjformats = [
            {'id': 1, 'font': '黑体', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT, 'color': RGBColor(0, 0, 0),
             'first_line_indent': 0,'style':'Normal'}
            , {'id': 2, 'font': '仿宋_GB2312', 'pt': 16, 'alignment': WD_PARAGRAPH_ALIGNMENT.LEFT,
               'color': RGBColor(0, 0, 0),
               'first_line_indent': 391160,'style':'Normal'}
            , {'id': 3, 'font': '方正小标宋简体', 'pt': 22, 'alignment': WD_PARAGRAPH_ALIGNMENT.CENTER,
               'color': RGBColor(0, 0, 0), 'first_line_indent': 0,'style':'Normal'}]

    #根据不同内容获取不同的格式设置的函数
    def getformatjson(self, id, no):
        # print('id',id)
        ans = {}
        if no == 0:
            for w in self.formats:
                if w['id'] == id:
                    ans = w
                    continue
        else:
            for w in self.fjformats:
                if w['id'] == id:
                    ans = w
                    continue
        return ans
    #对格式进行设置的函数
    def formatit(self, paragraph, run, id, no):
        jsondata = self.getformatjson(id, no)
        #设置段落格式
        paragraph.style = jsondata['style']
        paragraph.paragraph_format.alignment = jsondata['alignment']
        paragraph.paragraph_format.first_line_indent = jsondata['first_line_indent']
        #设置字体格式
        run.font.name = jsondata['font']
        run.font.size = docx.shared.Pt(jsondata['pt'])        
        r = run._element.rPr.rFonts
        r.set(qn("w:eastAsia"), u''+jsondata['font'])
        run.font.color.rgb = jsondata['color']
    #遍历docx文档，进行相应的格式设置
    def get_paragraph_formats(self, file_path):
        doc = docx.Document(file_path)
        self.clear_formatting(doc)
        doc.save(file_path)
        doc = docx.Document(file_path)
        # self.outprint(doc)
        # 遍历每个段落，Pt与磅的转换值为12700
        for pno, paragraph in enumerate(doc.paragraphs):
            if not paragraph.text.isspace() and len(paragraph.text) > 0:
                for run in paragraph.runs:
                    if not run.text.isspace() and len(run.text) > 0:                        
                        # 先按照普通正文格式设置一次
                        self.formatit(paragraph, run, 3, 0)
                        #此处自行添加对各种内容的判断，然后设置相应的格式

if __name__ == '__main__':
    file_path = 'e:\\doctest\\111.docx'
    doc = docx.Document(file_path)
    

总结

技术上难度不大，难点在于前期需要和用户反复沟通确认需求，然后在开发时，细节上需要厘清思路，对文档内容进行合理判断，确保不同的内容使用不同的格式。

最后，就是合理使用gpt等大模型，帮助判断分析代码中的问题。