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
- 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
- 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
- 字体安装与管理：一键安装所需字体，验证字体安装结果
- 批量处理：支持批量转换文件夹中的所有文档
- 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
-
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
-
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
-
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
-
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
-
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
-
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
-
doc_generator.py - 文档生成器
- 根据内容自动生成符合格式的Word文档
-
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：
- 先识别目录结构：分析文档整体组织架构
- 再分析上下文关系：判断标题级别和从属关系
- 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