infometa 要素式文书一键生成器 v2.0
概述
上传普通诉讼文书（txt/md/docx/pdf/图片），自动识别案由、匹配模板、提取要素、生成规范的要素式文书 .docx。
v2.0 变更：吸收数据驱动 DOCX 生成引擎（像素级精准复刻法〔2025〕82号官方模板），替换原有的远程模板下载+XML填充方案。
核心能力
- 58 个案由自动识别：11 大领域，关键词规则匹配，离线可用
- 5 种输入格式：txt / md / docx / pdf / 图片（OCR）
- 双格式输入支持：自动检测要素式/传统叙述式文书
- 双轨提取：规则提取（快速·离线）+ AI 提取（精准·理解语义）
- 像素级 DOCX 生成：基于
table_layouts.json数据驱动，页边距/列宽/边框/字体精确到 Emu
覆盖领域
| 领域 | 案由数 | 文书类型 |
|---|---|---|
| 民事起诉状 | 33 | 法〔2025〕82号 全案由 |
| 刑事自诉 | 4 | 侮辱/诽谤/重婚/拒执 |
| 行政纠纷 | 12 | 处罚/许可/强制/协议/信息公开等 |
| 国家赔偿 | 4 | 刑事改判无罪/违法拘留/怠于履职/错误执行 |
| 知识产权 | 7 | 商标/专利/著作权/商业秘密/不正当竞争/垄断 |
| 保险纠纷 | 4 | 人身/财产/责任/保证 |
| 海商海事 | 3 | 船舶碰撞/人身损害/货运代理 |
| 公益诉讼 | 3 | 环境污染/生态破坏/生态环境 |
| 婚姻家事 | 1 | 离婚 |
| 劳动争议 | 2 | 一般劳动/船员劳务 |
| 交通事故 | 1 | 机动车交通事故 |
触发条件
- 用户上传起诉状/答辩状/申请书等诉讼文书，要求转换为要素式格式
- 用户说"转换成要素式"、"要素式文书"、"填要素式起诉状"
- 用户需要生成规范格式的要素式 DOCX
使用方式
CLI 方式
python scripts/main.py 起诉状.docx
指定案由：
python scripts/main.py 起诉状.txt --case-type 民间借贷纠纷 --doc-type 民事起诉状
列出所有支持案由：
python scripts/main.py --list-case-types
对话方式（WorkBuddy 内）
将起诉状 DOCX/PDF 发给 WorkBuddy，说"转换为要素式起诉状"。
工作流：
- 如果是标准格式 →
main.py自动流水线完成 - 如果是复杂/非标格式 → AI 阅读起诉状提取要素 → 构建 要素式_data JSON → 调用
generate_docx.py生成
对话式转换输出的 JSON 格式参见 references/templates.json（要素式 字段定义）。
架构
用户上传文件（txt/md/docx/pdf/图片）
│
▼
[file_parser.py] ← 多格式解析器（原 element）
│
▼
[case_classifier.py] ← 58案由关键词规则匹配（原 element）
│
├─ 简单案件（要素式/结构化好的文书）
│ │
│ ▼
│ [content_extractor.py] 规则提取 → 结构化数据
│
├─ 复杂案件（传统叙述式/信息散乱）
│ │
│ ▼
│ AI 分析（WorkBuddy 对话）→ 提取要素 → 构建 要素式_data JSON
│
▼
[generate_docx.py v8] ← 数据驱动 DOCX 引擎（原 要素式）
│
▼
要素式 .docx
核心文件说明
| 文件 | 来源 | 说明 |
|---|---|---|
scripts/file_parser.py |
element | 多格式解析（txt/md/docx/pdf/图片OCR） |
scripts/case_classifier.py |
element | 58案由关键词规则分类 |
scripts/content_extractor.py |
element | 要素式/传统式双格式提取 |
scripts/main.py |
合并 | 统一入口，编排流程+格式转换 |
scripts/generate_docx.py |
要素式 | 数据驱动DOCX生成（像素级精准） |
configs/case_keywords.json |
element | 58案由关键词映射 |
configs/field_mapping.json |
element | 通用字段提取规则 |
configs/template_index.json |
element | 模板索引 |
references/table_layouts.json |
要素式 | 33民事案由表布局定义(104KB) |
references/templates.json |
要素式 | 67案由字段定义(174KB) |
references/fields-structure.md |
要素式 | 字段结构说明 |
要素式 DOCX 生成引擎说明
generate_docx.py 基于法〔2025〕82号官方模板的逐项对比分析，精确复刻格式。
格式铁律
- 6张独立表格，表间零间隔（
</tbl>→<tbl>直接相连） - 每表 2 列：标签列（
2270 twips）+ 数据列（7074 twips），总宽 9344 twips - 页边距精确到 Emu：上 908685 / 下 633730 / 左 899795 / 右 719455
- 正文宋体 10.5pt、节标题宋体 15pt（不加粗）、大标题宋体 22pt 加粗
- 边框 single #231F20 sz=2，6面完整
要素式 数据格式（AI提取后构建）
{
"caseTypeName": "民间借贷纠纷",
"plaintiffs": [
{
"type": "natural",
"name": "张三",
"gender": "男",
"birth": "1985年3月12日",
"nation": "汉族",
"work": "某某公司",
"job": "职员",
"phone": "138xxxxxxxx",
"addr": "某某省某某市某某区",
"idNum": "4205xxxxxxxxxxxxxx"
}
],
"defendants": [
{
"type": "natural",
"name": "李四",
...
}
],
"thirds": [],
"agent": {
"has": false,
"name": "",
"firm": "",
"job": "",
"phone": "",
"auth": "general"
},
"claims": {
"claim_01": "1. 判令被告偿还借款本金100000元",
"claim_02": "2. 判令被告支付逾期利息..."
},
"facts": {
"facts_00": "2023年1月1日，被告向原告借款...",
"facts_01": "借款到期后，被告未归还..."
},
"jurisdiction": {
"basis": "",
"mediation": "no",
"preservation": "no"
}
}
不同案由的表结构
核心结构（4~6表，覆盖80%+案由）：
- T0: 说明 + 当事人信息 + 原告(自然人) + 原告(法人)
- T1: 代理人 + 被告 + 第三人
- T2: 诉讼请求 + 管辖/保全
- T3: 事实与理由 part 1
- T4-T5: 事实续 + 调解意愿
复杂案由（7~13表，IP/海事/垄断等）：额外增加涉外/港澳台、关联案件/程序、鉴定申请等专有表。
系统要求
- Python 3.9+
- 依赖见
requirements.txt（python-docx） - PDF 解析需 PyMuPDF 或 pdfplumber
- 图片 OCR 需 pytesseract + Tesseract-OCR 或 easyocr
License
MIT