诉讼文书的修订态技法（contract-editor 库在合同以外文书上的复用）

ContractEditor 库不止用于合同——审/改诉讼文书（监督申请书、起诉状、答辩状等）同样适用。本文记录 2026-06-23 邹家民事诉讼监督申请书审改中验证过的几招，都用 OnlyOffice x2t（Doro/Maggie 实际引擎）渲染核对过。

1. 大段改写用「整块 del+ins」，不用字符级 diff（markup 可读性铁律）

tracked_replace 是字符级 diff（CJK 每字一 token + difflib）——补字/小改（错别字、补一个"在"字、称谓换词）用它，markup 干净。但大段改写（整句重写、换论证）若用字符级 diff，新旧文本大量字符重合，markup 会交错成一团（"未经及法庭审理""一百二十八条切国家机关"），Doro 在 OnlyOffice 看修订态根本读不下去。接受修订后的最终文本虽正确，但修订态不可读 = 不合格交付（Doro 有格式洁癖，看的就是 markup）。

正解：对整句/整段改写，做「整块删 + 整块插」——[<w:del>旧整句</w:del>][<w:ins>新整句</w:ins>]，markup 显示为一条删除线旧句紧跟一条下划线新句，清清楚楚。
实现：复制 tracked_replace 的定位逻辑，但不跑 difflib，直接 _mk_del(old_text) + _mk_ins(new_text) 整块插。判据：新旧文本相似度高、改动跨度大 → 整块；纯增删几个字 → 字符级。

2. 称谓/词替换也要整词块替换，别让共享字符碎裂

把"法庭"改"莲都法院"时，"法"字共享，字符级 diff 会渲染成"莲都法庭院"（接受后对，markup 脏）。

正解：整词 tracked_block_replace("本案法庭向申请人送达", "莲都法院向申请人送达") → markup 是干净的[删旧短语][插新短语]。
同理坑：替换前先分类全文每处目标词——actor 指代（要改）vs 法条/术语原文（如"法庭审理""在法庭上出示"=不能动）。grep 出所有命中，逐个判，别一刀切 replace_all。

3. 整段删除（让自动编号重排）——库没有，需自加 `tracked_delete_paragraph`

合并两个自动编号请求项（删一项、后项自动续号）时，要的是段落级修订删除：段内每个 run 包进 <w:del>，且段落标记也要标删——在 pPr/rPr 里插一个 <w:del>。这样接受修订后整段连段落标记一起消失，自动编号从一二三四重排成一二三。

def tracked_delete_paragraph(self, search_text):
    p = self.find_para(search_text)
    for r in list(p.findall(qn('r'))):
        # 每个run的w:t搬进新建<w:del><w:r><w:delText>
        ...
    ppr = p.find(qn('pPr')) or 新建
    rpr = ppr.find(qn('rPr')) or 新建
    rpr.insert(0, <w:del author=... date=...>)   # 段落标记删除标记

缺了"段落标记删除"那一步，接受后会残留一个空的编号项。

4. 半角括号→全角：改 numbering.xml 的 lvlText，一次性根治

子标题 (一)(二)… 是自动编号时，半角括号来自 word/numbering.xml 里 <w:lvlText w:val="(%1)">。逐段改文档没用（那是渲染出来的）。

正解：遍历 numbering.xml 所有 <w:lvlText>，val 里的 (→（、)→），一次改全文所有同源编号。本例 37 处 lvlText 一次改完。
注意只动含 () 的 lvlText，、分隔的（如请求"一、二、三"用 %1、）不受影响。

5. 引号"统一为仿宋全角"——根因是引号 run 的字体不是中文字体

现象：正文中文是仿宋（继承样式），但弯引号 “”(U+201C/U+201D) 的 run ascii=Times New Roman, eastAsia=None。因为弯引号是中西文模糊字符，OnlyOffice 对没有 eastAsia 设定的字符按 ascii 字体渲染 → 引号显示成西文 Times 的粗重样式，和仿宋正文不协调。

正解（彻底版）：对纯引号/中文 run，把 rFonts 的 ascii/eastAsia/hAnsi/cs 全设为「仿宋」+ hint="eastAsia"，消除歧义。对引号+数字混排 run（如 “2026…），按字符拆 run：引号段走仿宋、数字段保留 Times New Roman。
只设 eastAsia 不够稳——某些渲染下仍可能按 ascii 走 Times。纯引号 run 连 ascii 一起设仿宋最保险（数字 run 才需要保留 Times）。
核对：OnlyOffice x2t 渲染后裁剪含引号区域，确认引号纤细、与仿宋协调（不是又粗又重的衬线引号）。

6. 验证三件套（同合同终审，文书一样适用）

ed.validate() 返回空。注意：诉讼文书的「请求项」原文常是加粗的（与合同正文不加粗体例不同），validate 的"不应加粗"规则会误报——先读原文该段普通 run 的 <w:b> 状态，若原文请求项本就加粗、INS 继承同样加粗=格式一致=误报，可放行。
逐个 w:ins 核 author 正确（诉讼文书署当前文书归属人，如本例 Doro 文书上署"小Maggie"修订；合同历史署"WB"——按文书归属定）、eastAsia 字体不缺。
OnlyOffice x2t 渲两版：修订态（看 markup 干净）+ 接受态（删 w:del、解包 w:ins、删段落标记被删的空段后重渲，看编号连续、全角括号生效、无乱码）。接受态自己生成：解包所有 ins、删所有 del、删 numPr 空段。

一句话

合同库的修订能力对所有 docx 文书通用；诉讼文书审改的差异点是：①大改写要整块 del+ins 保 markup 可读 ②引号/括号这类「字体/编号源」问题改 styles/numbering 层不改文档层 ③validate 加粗规则对加粗请求项会误报。

7. 接受所有修订 → 干净版 docx（反向操作，2026-06-24 徐函任务验证）

用户给一份带修订痕迹+批注的 docx，要「先接受现有修订、让我看干净版本」时——不是用 Word 手点"接受全部"，用 zipfile+lxml 一次处理：

W='http://schemas.openxmlformats.org/wordprocessingml/2006/main'
def w(t): return f'{{{W}}}'+t
# 1) w:del → 整个元素删掉（连 delText 一起没）
for d in root.findall('.//'+w('del')): d.getparent().remove(d)
# 2) w:ins → 解包：用其子元素替换它本身（保留插入内容，去掉ins包裹）
for ins in root.findall('.//'+w('ins')):
    parent=ins.getparent(); idx=list(parent).index(ins)
    for child in reversed(list(ins)): parent.insert(idx, child)
    parent.remove(ins)
# 3) 属性变更追踪一并清：pPrChange/rPrChange/sectPrChange/tblPrChange/tcPrChange/trPrChange
for tag in ('pPrChange','rPrChange','sectPrChange','tblPrChange','tcPrChange','trPrChange'):
    for el in root.findall('.//'+w(tag)): el.getparent().remove(el)
# 4) 批注三处一起拆（用户要"干净版"= 连批注也清）：
#    document.xml: 删 commentRangeStart/End，删含 commentReference 的整个 run
#    settings.xml: 删 <w:trackRevisions/>（让文件退出跟踪模式）
#    打包时跳过 word/comments*.xml，并从 [Content_Types].xml 和 document.xml.rels 删 comments 的 Override/Relationship

要点：

w:del 删整块、w:ins 解包——方向别搞反（del 是要丢弃的，ins 是要保留的）。
务必清 settings.xml 的 trackRevisions，否则文件仍处于"跟踪修订"模式，用户继续编辑会又开始记修订。
批注要三处协同删（comments.xml 本体 + document.xml 的 range/reference 锚点 + Content_Types/rels 注册），漏一处 OnlyOffice/Word 打开可能报损坏。
验证：解包后 root.findall('.//w:ins')/w:del/w:commentReference 全为 0；'word/comments.xml' in zip.namelist() 为 False；python-docx 能打开；OnlyOffice x2t 渲染核对无修订痕迹无批注无错位。
vision 核干净版时顺带抓残留内部标记：黄色高亮（内部校对标记）、留白占位（编号"第　号"、日期"　日"）、标题英文双连字符--应为中文破折号————这些不是修订痕迹但属"未清的内部审核稿"特征，正式交付前要清。

7.9 KiB Raw Permalink Blame History