Word 格式提取与复制
从 .docx 模板文件完整提取所有格式配置，生成结构化 JSON 格式档案，再精准应用到目标文档，确保两份文档视觉呈现与排版风格完全一致。
工作流程
阶段一：格式提取
用户提供模板文件后，运行提取脚本：
python scripts/extract_format.py <模板文件.docx> --output <格式档案.json>
脚本自动解析并记录以下格式信息：
| 类别 | 属性 |
|---|---|
| 字符格式 | 字体名称（中文/西文）、字号、字体颜色、加粗、斜体、下划线、删除线、上下标、字间距、突出显示、着色、边框、大小写转换 |
| 段落格式 | 行间距（倍数/固定值）、段前距、段后距、首行缩进、左缩进、右缩进、悬挂缩进（支持字符数与厘米双单位） |
| 对齐方式 | 居中、左对齐、右对齐、两端对齐、分散对齐 |
| 段落属性 | 段落边框（上下左右）、段落底纹、编号/列表格式、大纲级别、制表位、分页控制（段前分页/与下段同页/孤行控制）、上下文间距 |
| 样式定义 | 所有命名样式（Normal/Heading1-9/Title 等）、文档默认设置、编号定义 |
| 段落分类 | 自动识别：大标题、一级标题、二级标题、三级标题、正文、子正文、元数据行 |
提取完成后打印格式摘要供确认，JSON 档案包含 paragraphs 数组，每个元素记录段落的 type、paragraphProperties、runs（含每个 run 的 runProperties）。
阶段二：格式应用
用户提供目标文件后，运行应用脚本：
python scripts/apply_format.py <格式档案.json> <目标文件.docx> --output <输出文件.docx>
映射模式
| 模式 | 参数 | 说明 |
|---|---|---|
| 位置映射 (默认) | --mapping auto |
按段落顺序一一对应，跳过空段落 |
| 类型映射 | --mapping type |
按段落类型分组，同类型按出现顺序对应（标题→标题、正文→正文） |
| 手动映射 | --mapping manual --map-file mapping.json |
使用 JSON 映射文件指定 {"目标段落序号": "源段落序号"} |
附加选项
--copy-styles：同时将模板的样式定义合并到目标文档--quiet：不打印报告
格式应用规则
- 段落格式：用模板段落属性完整替换目标段落的
<w:pPr> - 字符格式：按 run 对应关系替换
<w:rPr>；run 数量不匹配时使用主格式统一应用 - 文字内容：保留目标文件全部原始文字，仅替换格式
- 样式定义：可选合并模板的命名样式到目标文档的 styles.xml
映射文件格式（手动模式）
{
"0": 0,
"1": 1,
"3": 6,
"5": 7
}
键为目标段落序号，值为格式档案中的源段落序号。未列出的段落保留原始格式。
段落类型说明
脚本自动将段落分类为以下类型，用于类型映射模式：
| 类型标识 | 说明 | 典型特征 |
|---|---|---|
title |
大标题 | 字号≥32半磅、居中、加粗 |
heading1 |
一级标题 | 字号28半磅(14pt)、加粗、无缩进 |
heading2 |
二级标题 | 字号24半磅(12pt)、加粗、无缩进、无冒号 |
heading3 |
三级标题 | 字号24半磅(12pt)、加粗、无缩进 |
body |
正文 | 有首行缩进、非加粗 |
sub_body |
子正文 | 字号22半磅(11pt)、有首行缩进 |
metadata |
元数据行 | 包含冒号（：/:） |
empty |
空段落 | 无文本内容 |
脚本文件
scripts/extract_format.py
格式提取脚本。无需第三方依赖，仅使用 Python 标准库。
输入：.docx 文件路径
输出：结构化 JSON 文件（包含 docDefaults、styles、numbering、paragraphs、summary）
python scripts/extract_format.py 模板.docx --output 格式档案.json
python scripts/extract_format.py 模板.docx --output 格式档案.json --quiet
scripts/apply_format.py
格式应用脚本。无需第三方依赖，仅使用 Python 标准库。
输入：格式档案 JSON + 目标 .docx 文件
输出：应用格式后的 .docx 文件
python scripts/apply_format.py 格式档案.json 目标.docx --output 结果.docx
python scripts/apply_format.py 格式档案.json 目标.docx --mapping type --output 结果.docx
python scripts/apply_format.py 格式档案.json 目标.docx --copy-styles --output 结果.docx
单位换算参考
| 属性 | XML 单位 | 换算 |
|---|---|---|
| 字号 | 半磅 (half-points) | ÷2 = 磅 (pt) |
| 段间距 | 缇 (twips) | ÷20 = 磅 (pt) |
| 缩进 | 缇 (twips) | ÷567 = 厘米 (cm) |
| 行距 (auto) | 240 = 单倍 | ÷240 = 倍数 |
| 行距 (exact) | 缇 (twips) | ÷20 = 磅 (pt) |
| 字符缩进 | 字符数 | ×240 = 缇 |
典型使用场景
- 会议纪要格式统一：从会议纪要模板提取格式，应用到新生成的会议纪要
- 公文格式标准化：将标准公文格式提取为档案，批量应用到各科室文档
- 报告排版统一：从标准报告模板提取格式，应用到不同内容的报告
- 格式迁移：将旧文档格式提取后应用到新文档
注意事项
- 仅支持
.docx格式（不支持.doc） - 格式应用时保留目标文件全部原始文字内容
- 目标文档段落数可少于模板（按映射模式处理）
- 如目标文档使用命名样式而模板使用直接格式，建议使用
--copy-styles选项 - 脚本不修改原始文件，输出为独立的新文件
