Word Form Filler

word-form-filler: Word 表格表单填写

概述

在保留原始字体、段落格式、单元格边框的前提下，用 python-docx 精确写入 Word 表格内容。避免直接赋值 cell.text 导致的格式清零问题。

Phase 0：分析文档结构（必须先做）

0.1 结构探针脚本

from docx import Document
from docx.oxml.ns import qn
from copy import deepcopy

doc = Document("申请表.docx")

# 基本信息
print(f"段落数: {len(doc.paragraphs)}, 表格数: {len(doc.tables)}")
has_fldchar = any(r.find(qn('w:fldChar')) is not None
                  for t in doc.tables for row in t.rows
                  for cell in row.cells for p in cell.paragraphs
                  for r in p.runs)
print(f"表单域: {has_fldchar}")  # True=有 w:fldChar，需特殊处理

# 全表结构输出
tbl = doc.tables[0]
seen = set()
for i, row in enumerate(tbl.rows):
    print(f"\n--- 行{i} ({len(row.cells)}格) ---")
    for j, cell in enumerate(row.cells):
        cid = id(cell)
        if cid in seen:
            continue
        seen.add(cid)
        tc = cell._tc
        hspan = int(tc.get(qn('w:gridSpan'), '1'))
        vmerge = tc.find(qn('w:vMerge'))
        vm = 'restart' if (vmerge is not None and vmerge.get(qn('w:val')) is None) else (
             'cont' if vmerge is not None else '-')
        text_preview = cell.text[:60].replace('\n', '↵')
        print(f"  col{j} span={hspan} vm={vm} | '{text_preview}'")

输出用途：

• 识别合并单元格位置（hspan>1 或 vm=restart/cont）
• 区分标签列（含固定说明文字）vs 值列（空白待填）
• 找到指引行（只有提示文字，不可修改）

0.2 目标行段落结构探针

# 详查某行（以行8为例）
row8 = tbl.rows[8]
seen = set()
for cell in row8.cells:
    if id(cell) in seen: continue
    seen.add(id(cell))
    print(f"Cell text: {repr(cell.text[:100])}")
    for k, p in enumerate(cell.paragraphs):
        print(f"  para{k}: {repr(p.text[:60])}")
        for r in p.runs:
            print(f"    run: {repr(r.text[:40])}")

Phase 1：备份

# 任何写入前必须备份
cp 申请表.docx 申请表_backup.docx

Phase 2：核心写入工具函数

2.1 单段落覆写（保留原 rPr）

from docx.oxml.ns import qn
from copy import deepcopy
from lxml import etree

def set_cell_text(cell, text):
    """覆写 cell 第一段落文字，保留原始 run 格式（rPr）"""
    para = cell.paragraphs[0]
    rPr = None
    if para.runs:
        rPr = deepcopy(para.runs[0]._r.find(qn('w:rPr')))
    # 清空所有段落的所有 run
    for p in cell.paragraphs:
        for r in p.runs:
            r.text = ''
    run = para.add_run(text)
    if rPr is not None:
        run._r.insert(0, deepcopy(rPr))

2.2 追加内容到现有段落末尾

def append_to_para(para, text):
    """追加 run 到段落末，复制末尾 run 的 rPr"""
    rPr = None
    if para.runs:
        rPr = deepcopy(para.runs[-1]._r.find(qn('w:rPr')))
    run = para.add_run(text)
    if rPr is not None:
        run._r.insert(0, deepcopy(rPr))

2.3 向 cell 追加新段落（保留 pPr+rPr）

def add_para_to_cell(cell, text, ref_para_idx=0):
    """在 cell 末尾追加新段落，格式从 ref_para_idx 段落复制"""
    from docx.oxml import OxmlElement
    ref_para = cell.paragraphs[ref_para_idx]
    
    new_p = OxmlElement('w:p')
    
    # 复制段落格式 pPr
    pPr = ref_para._p.find(qn('w:pPr'))
    if pPr is not None:
        new_p.insert(0, deepcopy(pPr))
    
    # 新 run
    new_r = OxmlElement('w:r')
    rPr = None
    if ref_para.runs:
        rPr = ref_para.runs[0]._r.find(qn('w:rPr'))
    if rPr is not None:
        new_r.append(deepcopy(rPr))
    new_t = OxmlElement('w:t')
    new_t.text = text
    new_t.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
    new_r.append(new_t)
    new_p.append(new_r)
    
    cell._tc.append(new_p)

2.4 修改段落内特定文字（汇总填空类）

def replace_para_text(para, old_text, new_text):
    """替换段落内文字，保留原 run 格式"""
    if old_text not in para.text:
        return False
    full = para.text
    new_full = full.replace(old_text, new_text)
    # 清空旧 runs
    for r in para.runs:
        r.text = ''
    # 写入第一个 run
    if para.runs:
        para.runs[0].text = new_full
    else:
        rPr = None
        run = para.add_run(new_full)
    return True

Phase 3：合并单元格去重

python-docx 对合并区域会返回同一 cell 对象多次，必须去重：

seen_cells = set()
for row in tbl.rows:
    for cell in row.cells:
        if id(cell) in seen_cells:
            continue
        seen_cells.add(id(cell))
        # ... 处理 cell

Phase 4：区分指引行 vs. 内容行

常见表单结构：

• 指引行：含固定提示文字如"（请填写……）"、"（限500字）"，绝对不改
• 标题行：节标题如"一、……"，不改
• 内容行：含空白 para 或 [ ] 占位符，这里写内容

判断方法：

def is_hint_row(cell_text):
    hint_markers = ['（请', '（简述', '（说明', '见备注', '限', '字以内']
    return any(m in cell_text for m in hint_markers)

Phase 5：验证

写入后立即验证，输出到临时文件再用 Read 工具查看（避免终端乱码）：

doc2 = Document(output_path)
with open('/tmp/verify.txt', 'w', encoding='utf-8') as f:
    tbl = doc2.tables[0]
    seen = set()
    for i, row in enumerate(tbl.rows):
        for cell in row.cells:
            if id(cell) in seen: continue
            seen.add(id(cell))
            if cell.text.strip():
                f.write(f"[行{i}] {cell.text[:200]}\n")

在 Claude Code 中：用 Read 工具读 /tmp/verify.txt，不要用 bash cat（Windows 终端 GBK 编码会乱码）。

Phase 6：Humanizer 润色（中文表单必做）

填完中文叙述段落后，调用 humanizer skill (mode=chinese-academic) 处理：

• 删除"首次"、"显著"、"重大突破"等夸张词
• 打散三连并列结构
• 去除通用正面结论（"未来前景广阔"类）
• 具体数字替换模糊副词

常见陷阱

调用范式

用户："帮我填写 path/to/form.docx，基本信息在 CV.docx 里"

执行顺序：
1. Phase 0：读两个文件，输出结构到 /tmp/structure.txt，Read 查看
2. grill-me（若字段含义不确定）
3. 备份原文件
4. Phase 2-4：逐行填入
5. Phase 5：验证写入
6. Humanizer 润色中文段落
7. 告知用户在 Word 中打开验证视觉效果

依赖安装

pip install python-docx lxml