tracked_replace 跨 w:ins 元素失败的处理

症状

tracked_replace(old, new) 抛出 ValueError: Element is not a child of this node，发生在 contract_docx_lib.py 第368行 parent.remove(runs[idx])。

根因

合同已经过上一轮 workflow 修订，原文段落中插入了 w:ins(author="WB") 元素。目标匹配文本跨越了 w:r 和 w:ins 边界：

w:r:  "...若甲方在双"
w:ins(author="WB"): "方"
w:r:  "核对消费金额时未提出异议的..."

tracked_replace 把 w:r 和 w:ins 下的 w:r 都收集到 runs 列表，但 parent.remove(runs[idx]) 时，w:ins 内的 w:r 的 parent 是 w:ins，不是 w:p → 报错。

判别

修改前先遍历目标段落的子元素，看是否有 w:ins 分割了匹配文本：

for elem in paragraph:
    tag = elem.tag.split('}')[-1]
    if tag in ('r', 'ins', 'del'):
        print(f"  {tag}: '{''.join(t.text or '' for t in elem.findall('.//{W}t'))}'")

修法：zipfile+lxml 直接操作

不用 tracked_replace，改用 zipfile+lxml 四步操作：

步骤1：裁掉第一段 run 中跨越的部分

# 如：w:r 末尾是 "...核对确认，若甲方在双" → 裁掉 "若甲方在双"
assert r1_t.text.endswith('若甲方在双')
r1_t.text = r1_t.text[:-6]  # 移除6个字符

步骤2：创建 DEL 包裹被裁掉的文字

del_elem = etree.Element(qn('del'))
del_elem.set(qn('id'), str(next_del_id))
del_elem.set(qn('author'), 'WB')
del_elem.set(qn('date'), revision_date)

del_run = etree.SubElement(del_elem, qn('r'))
del_rpr = etree.SubElement(del_run, qn('rPr'))
# 从被裁 run 复制 rPr
for child in r1_elem.find(qn('rPr')):
    del_rpr.append(copy.deepcopy(child))
del_text = etree.SubElement(del_run, qn('delText'))
del_text.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
del_text.text = '若甲方在双方'  # 被裁文字 + w:ins 内容

步骤3：移除原来的 w:ins 元素

p.remove(ins_elem)

步骤4：DEL旧文字 + INS新文字

# DEL 旧文字（第三段 run 的完整内容）
del_elem2 = ...  # 同上模式，delText = r3_t.text
# INS 新文字
ins_elem = etree.Element(qn('ins'))
ins_elem.set(qn('id'), str(next_ins_id))
ins_elem.set(qn('author'), 'WB')
ins_elem.set(qn('date'), revision_date)
ins_run = etree.SubElement(ins_elem, qn('r'))
# 从原 run 复制 rPr
ins_rpr = etree.SubElement(ins_run, qn('rPr'))
for child in r3_elem.find(qn('rPr')):
    ins_rpr.append(copy.deepcopy(child))
ins_t = etree.SubElement(ins_run, qn('t'))
ins_t.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
ins_t.text = new_text

# 替换：在 r3 位置前插入 DEL 和 INS，再删除 r3
r3_pos = list(p).index(r3_elem)
p.insert(r3_pos, del_elem2)
p.insert(r3_pos + 1, ins_elem)
p.remove(r3_elem)

步骤5：写回

doc_xml_modified = etree.tostring(tree, encoding='UTF-8', xml_declaration=True)
with zipfile.ZipFile(src, 'r') as zf:
    file_data = {f: zf.read(f) for f in zf.namelist()}
with zipfile.ZipFile(src, 'w', zipfile.ZIP_DEFLATED) as zf:
    for f, data in file_data.items():
        zf.writestr(f, doc_xml_modified if f == 'word/document.xml' else data)

易错点

1. 中文切片长度

[:-3] 移除3个字符（不是字节）。"但本" = 2个中文字符 → 用 [:-2]。用 [:-3] 会多切一个字（如把"；"也切掉）。

⚠️ 全角标点也是1个字符（2026-06-26 健康积分兑换协议教训）：（四） 是3个字符——（（U+FF08全角左括号=1字）、四（1字）、）（U+FF09全角右括号=1字）。用 [4:] 切片会多切掉1个中文字符，导致 DEL 文本缺字（"甲方"→"方"）。判别：数切片偏移时，全角括号/标点（（）、【】、《》、。，！？等）每符1字，不因"看起来宽"就计为多个。切片前 print(repr(text[:10])) 确认边界。

2. 旧文末尾与新文开头重复

原文 run 裁掉部分后，末尾可能与 INS 新文字开头重复。如：原文末尾是"核对确认"，新文字开头也是"核对确认" → 出现"核对确认核对确认"。修法：从 INS 新文字中去掉重复前缀。

3. 标点符号归属

裁掉 run 末尾文字时，确保标点符号（；。等）留在正确位置。如原文"费用；但本"裁掉"但本"后应为"费用；"（保留分号）。

验证

python-docx 能打开（Document(out) 不抛异常）
wb-ins-font-verify.py 所有 WB INS 字体一致
用 ContractEditor.get_para_text() 读段落文本，确认无重复/缺字

4.5 KiB Raw Permalink Blame History