| name | docx-format-replicator |
| description | 从现有Word文档中提取格式，并生成格式相同但内容不同的新文档。当用户需要创建格式一致的多份文档、复制文档模板，或在不同内容中保持企业文档标准时，可使用此功能。 |
| tags | docx-format-extraction, document-generation, template-replication, batch-document-processing, python-docx |
| tags_cn | DOCX格式提取, 文档生成, 模板复制, 批量文档处理, python-docx工具 |
DOCX 格式复制工具
概述
从现有Word文档（.docx）中提取格式信息，并使用该信息生成格式完全相同但内容不同的新文档。此功能可用于创建文档模板、在多份文档中保持一致格式，以及复制复杂的Word文档结构。
适用场景
当用户有以下需求时，可使用此功能：
- 想要从现有Word文档中提取格式
- 需要创建多份格式相同的文档
- 已有模板文档，想要生成内容不同的同类文档
- 要求“复制格式”“使用相同样式”“创建类似文档”
- 提及文档模板、企业标准或格式一致性
工作流程
步骤1：从模板中提取格式
从现有Word文档中提取格式信息，创建可复用的格式配置文件。
python scripts/extract_format.py <template.docx> <output.json>
示例:
python scripts/extract_format.py "HY研制任务书.docx" format_template.json
提取内容:
- 样式定义（字体、字号、颜色、对齐方式）
- 段落和字符样式
- 编号方案（1、1.1、1.1.1等）
- 表格结构和样式
- 页眉和页脚配置
输出：包含所有格式信息的JSON文件（详情请参阅references/format_config_schema.md）
步骤2：准备内容数据
创建包含新文档实际内容的JSON文件，内容结构需符合references/content_data_schema.md中的定义。
内容结构:
{
"metadata": {
"title": "Document Title",
"author": "Author Name",
"version": "1.0",
"date": "2025-01-15"
},
"sections": [
{
"type": "heading",
"content": "Section Title",
"level": 1,
"number": "1"
},
{
"type": "paragraph",
"content": "Paragraph text content."
},
{
"type": "table",
"rows"
支持的章节类型:
heading - 可带编号的标题paragraph - 文本段落table - 可配置行列的表格page_break - 分页符
完整示例请参阅assets/example_content.json。
步骤3：生成新文档
使用提取的格式和准备好的内容生成新的Word文档。
python scripts/generate_document.py <format.json> <content.json> <output.docx>
示例:
python scripts/generate_document.py format_template.json new_content.json output_document.docx
结果：一个新的.docx文件，将模板中的格式应用到新内容上。
完整示例流程
用户提问：“我有一份研究任务文档，需要再创建5份格式相同但内容不同的文档。”
- 提取格式:
python scripts/extract_format.py research_task_template.docx template_format.json
-
为每份新文档创建内容文件（content1.json、content2.json等）
-
生成文档:
python scripts/generate_document.py template_format.json content1.json document1.docx
python scripts/generate_document.py template_format.json content2.json document2.docx
常见使用场景
企业文档模板
从公司模板中提取格式，生成格式一致、带有品牌标识的报告、提案或规范文档。
python scripts/extract_format.py "Company Template.docx" company_format.json
python scripts/generate_document.py company_format.json new_report.json "Monthly Report.docx"
技术文档系列
创建多份格式完全相同的技术文档（规范、测试计划、手册等）。
python scripts/extract_format.py spec_template.docx spec_format.json
python scripts/generate_document.py spec_format.json product_a_spec.json "Product A Spec.docx"
python scripts/generate_document.py spec_format.json product_b_spec.json "Product B Spec.docx"
研究任务文档
附带的示例模板（assets/hy_template_format.json）展示了一份完整技术研究任务文档的格式，包括：
- 页眉中的审批/评审表格
- 多级编号（1、1.1、1.1.1）
- 技术规范表格
- 结构化章节
可将其作为同类技术文档的起点。
高级用法
自定义提取
修改scripts/extract_format.py以提取默认未覆盖的额外属性：
- 自定义XML元素
- 高级表格功能（合并单元格、边框）
- 嵌入对象
- 自定义属性
扩展内容类型
在scripts/generate_document.py中添加新的章节类型：
- 带标题的图片
- 项目符号或编号列表
- 脚注和尾注
- 自定义内容块
扩展指南请参阅references/content_data_schema.md。
批量处理
创建包装脚本以批量生成多份文档：
import json
import subprocess
format_file = "template_format.json"
content_files = ["content1.json", "content2.json", "content3.json"]
for i, content_file in enumerate(content_files, 1):
output = f"document_{i}.docx"
subprocess.run([
"python", "scripts/generate_document.py",
format_file, content_file, output
])
依赖项
这些脚本需要：
- Python 3.7+
python-docx库：pip install python-docx
核心功能无需其他额外依赖。
资源
scripts/
- extract_format.py - 从Word文档中提取格式
- generate_document.py - 基于格式+内容生成新文档
两个脚本均内置帮助信息：
python scripts/extract_format.py --help
python scripts/generate_document.py --help
references/
- format_config_schema.md - 格式配置文件的完整 schema
- content_data_schema.md - 内容数据文件的完整 schema
如需了解文件结构和可用选项的详细信息，请阅读这些文档。
assets/
- hy_template_format.json - 从技术研究任务文档提取的示例格式
- example_content.json - 展示所有章节类型的示例内容数据
创建自己的格式和内容文件时，可将这些作为参考。
故障排除
输出中缺少样式：确保内容数据中的样式ID与格式配置中的一致。请查看format.json获取可用的样式ID。
表格格式问题：验证内容数据和格式配置中的表格尺寸（行/列）是否匹配。有关表格结构的详情，请参阅format_config_schema.md。
字体显示不正确：部分字体可能并非在所有系统上都可用，请检查引用的字体是否已安装。
缺少依赖项：安装所需的Python包：
pip install python-docx
提示
- 先使用示例测试：在提取自己的格式之前，先使用附带的
hy_template_format.json和example_content.json了解工作流程。
- 从简单开始：先从基本标题和段落入手，再添加表格和复杂格式。
- 验证JSON：在生成文档之前，使用JSON验证工具检查内容数据文件。
- 保存格式配置：保存提取的格式配置，以便在多个项目中重复使用。
- 版本控制：将格式配置和内容数据纳入版本控制，以实现可复现的文档生成。
