# 公文通

**Repository Path**: deepin20/GovDocFormatter

## Basic Information

- **Project Name**: 公文通
- **Description**: 公文通 - 智能公文排版助手（GovDocFormatter）：基于 PyQt5 的国标公文排版工具。读取杂乱的 Word（.docx）公文，自动提取标题、主送机关、正文、落款等要素，套用符合党政机关公文格式国标（GB/T 9704）的模板重新排版输出，支持单文档排版与批量并行处理。
- **Primary Language**: Python
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-09-16
- **Last Updated**: 2026-10-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 公文通 - 智能公文排版助手（GovDocFormatter）

基于 **PyQt5** 的国标公文排版工具。读取杂乱的 Word（.docx）公文，自动提取标题、主送机关、正文、落款等要素，套用符合党政机关公文格式国标（GB/T 9704）的模板重新排版输出，支持单文档排版与批量并行处理。

## 功能特性

- **📄 快速排版**：选择单个文档 → 预览提取结果 → 一键排版
- **⚙️ 批量处理**：多选文件 / 整个文件夹递归扫描，多线程并行处理，支持取消与退避重试，实时进度条与日志
- **📁 模板管理**：三种公文类型（无红头公文 / 下行文 / 上行文）分别绑定模板文件
- **🔧 设置**：默认输出目录、并行数、重试次数
- **自动生成模板**：首次启动若检测到模板缺失，自动按国标参数生成默认模板

### 智能提取规则

| 要素 | 识别策略 |
|------|----------|
| 标题 | 开头连续的"疑似标题"段落（≤50 字、不以句末标点结尾、排除章节编号），最多 3 段拼接 |
| 主送机关 | 前 15 段内以冒号结尾的短行 |
| 日期 | 文末 8 行"尾部区域"内，匹配 `2024年5月1日`、`2024-05-01`、`二〇二四年五月一日` 等格式 |
| 发送机关 | 尾部区域内含单位/职务关键词（局、公司、委员会、局长、书记……）的短行 |
| 正文 | 其余全部内容 |

防误判设计：段落内手动换行（`<w:br/>`）拆分为独立行；日期/机关行限长且不得含句中标点；排除"一、""（一）"等章节编号行，避免正文中出现的日期或单位关键词干扰。

### 国标模板参数（自动生成模板）

- 页边距：上 3.7cm / 下 3.5cm / 左 2.8cm / 右 2.6cm
- 标题：二号宋体、居中加粗，固定行距 28 磅
- 正文：三号仿宋、首行缩进 2 字符，固定行距 28 磅
- 落款：三号仿宋、右对齐

## 快速开始

### 方式一：源码运行（Linux）

```bash
git clone <仓库地址>   # 或直接下载解压
cd GovDocFormatter
./start.sh
```

`start.sh` 会自动完成：创建虚拟环境 → 按哈希比对安装依赖 → 检查 xcb 系统库 → 启动程序（已处理 Deepin 下的 Qt 插件路径问题）。

依赖（见 `requirements.txt`）：

- Python ≥ 3.8
- PyQt5 ≥ 5.15
- python-docx ≥ 0.8.11
- docxtpl ≥ 0.16.0
- pyyaml ≥ 5.4

### 方式二：deb 包安装（deepin / Ubuntu / Debian）

```bash
./build_deb.sh
sudo apt install ./dist/govdocformatter_1.0.0_amd64.deb
```

安装后从应用菜单启动「公文通」，或执行 `govdocformatter`。打包方案为源码 + 预构建虚拟环境打入 `/opt`，目标机器仅需系统 python3 与基础 xcb 运行库，无需联网装依赖。

## 模板变量

模板为普通 `.docx` 文件，使用 [docxtpl](https://docxtpl.readthedocs.io/)（Jinja2）语法插入变量：

| 变量 | 含义 |
|------|------|
| `{{ title }}` | 标题 |
| `{{ doc_no }}` | 发文字号 |
| `{{ receiver }}` | 主送机关 |
| `{{ content_lines }}` | 正文（按行拆分的列表，配合 `{%p for %}` 段落循环使用，每段保留首行缩进） |
| `{{ attach }}` | 附件说明 |
| `{{ sender }}` | 发送机关 |
| `{{ write_date }}` | 成文日期 |
| `{{ signature }}` | 落款（发送机关 + 换行 + 日期，兼容旧版模板） |

示例片段：

```text
{%p for line in content_lines %}
{{ line }}
{%p endfor %}
```

## 项目结构

```
GovDocFormatter/
├── main.py                    # 入口：模板检查/自动生成 → 启动 GUI
├── core/
│   ├── content_extractor.py   # 内容提取器（要素识别主流程）
│   ├── paragraph_classifier.py# 识别规则与段落分类器
│   └── template_engine.py     # docxtpl 渲染封装
├── gui/
│   ├── main_window.py         # 主窗口（标签页容器）
│   ├── quick_tab.py           # 快速排版
│   ├── batch_tab.py           # 批量处理（QThread + 线程池）
│   ├── template_tab.py        # 模板管理
│   └── settings_tab.py        # 设置
├── utils/config_manager.py    # 配置管理（用户级配置目录）
├── create_final_template.py   # 按国标生成默认模板
├── templates/                 # 模板文件（normal/up/down.docx）
├── start.sh                   # 源码运行脚本
├── build_deb.sh               # deb 打包脚本
└── config.yaml                # 默认配置
```

## 配置说明

配置优先级：`~/.config/govdocformatter/config.yaml`（用户配置） > 应用目录 `config.yaml`（默认值）。

```yaml
output_dir: ~/Documents/公文排版输出   # 默认输出目录
parallel_workers: 4                    # 批量处理并行数
retry_times: 2                         # 排版失败重试次数
templates:
  上行文: templates/up.docx
  下行文: templates/down.docx
  无红头公文: templates/normal.docx
```

相对路径基于应用根目录解析（支持安装到 `/opt` 后从任意工作目录启动）；应用目录只读时设置自动写入用户配置目录。

## 运行测试

```bash
python tests/test_extractor.py    # 或 pytest tests/
```

测试覆盖 8 个场景：常规公文、正文含日期、无落款、正文含单位关键词、中文大写日期、章节标题含关键词不误判为落款等。

## 常见问题

- **Qt 界面无法启动 / 插件报错**：脚本已强制 `QT_QPA_PLATFORM=xcb` 并显式指定插件搜索路径；仍异常时可执行 `QT_DEBUG_PLUGINS=1 ./start.sh` 排查，或安装缺失的 xcb 库：
  `sudo apt install libxcb-cursor0 libxkbcommon-x11-0 ...`（start.sh 会自动列出缺失项）
- **排版结果某要素为空**：先在快速排版页点「预览提取结果」查看识别情况，确认对应要素（如落款）确实存在于原文末尾且格式符合识别规则。