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*