feat: parse docx blocks during upload

2026-07-01 20:29:31 +08:00
parent 95c507536a
commit 389b9c0c92
5 changed files with 147 additions and 54 deletions
@@ -32,13 +32,13 @@
 | 017 | 实现 template 表 insert | 后端 | 0.25d | ✅ 已完成 |
 | 018 | 组装上传接口 `POST /api/templates/upload` | 后端 | 0.25d | ✅ 已完成 |
 | | **Word 解析** | | | |
-| 019 | 实现 docx 文件打开 + 逐段落遍历 | 后端 | 0.25d | ⏳ 未完成 |
-| 020 | 实现标题识别（Heading 1-6）→ type=heading | 后端 | 0.25d | ⏳ 未完成 |
-| 021 | 实现段落识别 → type=paragraph | 后端 | 0.25d | ⏳ 未完成 |
-| 022 | 实现表格识别 + 行数列数提取 → type=table | 后端 | 0.25d | ⏳ 未完成 |
-| 023 | 实现 block_id 生成器（顺序编号） | 后端 | 0.25d | ⏳ 未完成 |
-| 024 | 实现层级构建（parent_block_id）+ 结构树 tree 输出 | 后端 | 0.25d | ⏳ 未完成 |
-| 025 | 将解析结果批量写入 template_block 表 | 后端 | 0.25d | ⏳ 未完成 |
+| 019 | 实现 docx 文件打开 + 逐段落遍历 | 后端 | 0.25d | ✅ 已完成 |
+| 020 | 实现标题识别（Heading 1-6）→ type=heading | 后端 | 0.25d | ✅ 已完成 |
+| 021 | 实现段落识别 → type=paragraph | 后端 | 0.25d | ✅ 已完成 |
+| 022 | 实现表格识别 + 行数列数提取 → type=table | 后端 | 0.25d | ✅ 已完成 |
+| 023 | 实现 block_id 生成器（顺序编号） | 后端 | 0.25d | ✅ 已完成 |
+| 024 | 实现层级构建（parent_block_id）+ 结构树 tree 输出 | 后端 | 0.25d | ✅ 已完成 |
+| 025 | 将解析结果批量写入 template_block 表 | 后端 | 0.25d | ✅ 已完成 |
 | | **HTML 预览生成** | | | |
 | 026 | 标题 → `<h2 data-block-id>` 转换 + 居中加粗样式 | 后端 | 0.25d | ⏳ 未完成 |
 | 027 | 段落 → `<p data-block-id>` 转换 + 首行缩进样式 | 后端 | 0.25d | ⏳ 未完成 |
@@ -23,3 +23,15 @@
    4. 复用并完善文件校验、MinIO/本地降级存储与 template 表插入逻辑。
    5. 执行 Python 语法检查与 FastAPI 路由导入检查，确认 `/api/templates/upload` 已注册。
 - **执行结果**: 完成模板上传接口基础链路，任务 015-018 已在任务清单中标注为已完成。
+
+## 会话 ID: 20260701-doc-parser
+- [2026-07-01 20:29:17]
+- **执行原因**: 按任务清单继续完成 Word 解析阶段 019-025。
+- **执行过程**:
+    1. 重写 Word block 遍历逻辑，按文档 XML 原始顺序同时遍历段落和表格。
+    2. 实现 Heading 1-6/标题 1-6 识别、普通段落识别、表格行列数和表头预览提取。
+    3. 为解析结果顺序生成 `block_001` 形式的 `block_id` 和 `sort_order`。
+    4. 基于标题层级计算 `parent_block_id`，并输出树结构节点。
+    5. 新增 `save_template_blocks`，上传模板后批量写入 `template_block`。
+    6. 使用临时 docx 验证标题、段落、表格混排时的顺序和父子关系。
+- **执行结果**: 完成任务 019-025，上传模板时会解析 Word 并保存模板区域块。