Docx 标书文档结构分析

功能概览

使用方式

命令行

# 大纲提取
python scripts/boo_analyzer.py <docx文件> outline

# 序号分析
python scripts/boo_analyzer.py <docx文件> numbering

# 高亮批注
python scripts/boo_analyzer.py <docx文件> highlight

# 一键全流程
python scripts/boo_analyzer.py <docx文件> all

Python API

import sys
sys.path.insert(0, '<skill-path>')
from scripts.boo_analyzer import extract_outline, analyze_numbering, generate_highlighted, run_all

# 提取大纲
path, stats = extract_outline('document.docx')

# 分析序号连续性
path, stats = analyze_numbering('document.docx')

# 生成高亮批注 (段落级黄色底色 + 批注)
path, stats = generate_highlighted('document.docx')

# 一键全流程
results = run_all('document.docx')

提取原理

OOXML（.docx）中段落的"大纲等级"有兩個來源，优先级从高到低：

1. 段落直接设置 —
2. 样式继承 — 段落引用样式 ，该样式在 styles.xml 中定义了

OutlineLvl 取值：0=最高级 → 8=九级。

序号分析原理

1. 按大纲等级分区，同级范围检查编号连续性
2. 检测模式：中文顿号(一、)、数字顿号(1、)、数字括号((1))、数字点号(1.)
3. 子序列拆分识别重启 vs 断裂
4. 表格单独统计，分布到所在大纲节点下

高亮批注原理

1. 找到断裂段落 → 在 中添加 段落级黄色底色
2. 添加 + 标记
3. 创建 word/comments.xml 写入批注定义
4. 更新 [Content_Types].xml 和关系文件

依赖

• Python 3.x 标准库：zipfile, xml.etree.ElementTree, re, os
• 无需 pandoc、python-docx 等第三方库

关于

• 品牌: Boo哥AI智写
• 联系方式: QQ邮箱 409966830@qq.com
• 座右铭: 智写万象，标定未来