毕设归档材料批量填写工作流

要解决什么

毕业设计收尾阶段，学校发下来一套 docx 归档表格：任务书、开题报告、评语表、文献综述……每个学生一份，字段名完全一致，内容却各不相同。论文正文、签章扫描件、答辩记录散落在各处，逐个打开模板手抄是典型的重复体力活，而且很容易把学号填进评分栏、把评语漏在签名区。

工作流

整个技能分五步，前两步决定后面能不能对上：

• 模板结构分析：遍历每个 docx，区分表格内单元格与表格外段落，解析 gridSpan 判断合并区，并把 ××××××、年 月 日 这类占位符标为待替换位置。
• 内容源解析：按输入类型分三条路径——结构化文本直接按字段名匹配；扫描件走 api.ocr.space（chs、引擎 2），复杂表格先经 Pillow 做对比度增强与二值化；PDF 用 PyMuPDF / pdfplumber 提取文本后按章节切分。
• 内容-模板映射：建立字段到单元格的映射表，合并区只写起始 cell，其余自然显示。
• 填入并输出：cell.text = '' 清空 → paragraphs[0].clear() → add_run() 写入，保留原有字号（通常 177800 EMU = 14pt），签名区与日期区只替换内容、保留框架。
• 验证：回读输出文件逐段落、逐格核对，并把所有不确定项标记为待人工确认。

支持三种模板形态：纯表格型（评语表、评分表）、纯段落型（文献综述）、混合型（header 段落 + 主体表格，如任务书）。输出与输入同目录，文件名形如 {序号}-{原名}_已填写.docx。

适用边界

• 手写体不要盲信：OCR 对手写评分、签名的准确率有限，技能会主动标记“需人工核对”，而不是替你拍板。
• 子项分值可能拿不到：源图片若只显示总分，评分表的细分项就无解，只能填入总分。
• 签名是文本占位：填进去的是“刘薇薇”这样的文字，打印后仍需手签。
• 依赖要装齐：python-docx、requests、Pillow 是必需项，pdfplumber 或 PyMuPDF 仅在走 PDF 路径时需要。