feat: parse docx blocks during upload

backend/app/api/templates.py

@@ -2,7 +2,8 @@ from fastapi import APIRouter, Depends, File, Form, HTTPException, UploadFile
 from sqlalchemy.orm import Session
 
 from ..database import get_db
-from ..services.template_service import create_template_record, store_template_file
+from ..services.doc_parser import parse_document
+from ..services.template_service import create_template_record, save_template_blocks, store_template_file
 
 
 router = APIRouter(prefix="/api/templates", tags=["templates"])
@@ -17,8 +18,10 @@ def upload_template(
 ):
     """上传 Word 模板并创建模板记录。"""
     try:
-        stored_path, _ = store_template_file(file)
+        stored_path, content = store_template_file(file)
+        blocks = parse_document(content)
         template = create_template_record(db, name=name, file_path=stored_path, type=type)
+        save_template_blocks(db, template.id, blocks)
     except ValueError as exc:
         raise HTTPException(status_code=400, detail=str(exc)) from exc
     except Exception as exc:
@@ -29,6 +32,7 @@ def upload_template(
         "data": {
             "template_id": template.id,
             "name": template.name,
+            "block_count": len(blocks),
             "status": "uploaded",
         },
         "message": "ok",

backend/app/services/doc_parser.py

@@ -1,56 +1,92 @@
 """Word 文档解析引擎"""
+from io import BytesIO
+from typing import Any, Dict, Iterable, List
+
 from docx import Document
-from docx.paragraph import Paragraph
+from docx.document import Document as DocxDocument
+from docx.oxml.table import CT_Tbl
+from docx.oxml.text.paragraph import CT_P
 from docx.table import Table as DocxTable
-from typing import List, Dict, Any
+from docx.table import _Cell
+from docx.text.paragraph import Paragraph
 
 
-def parse_document(file_path: str) -> List[Dict[str, Any]]:
+def parse_document(source: str | bytes) -> List[Dict[str, Any]]:
     """
-    解析 Word 文档，返回 block 列表（不含表格数据，仅标记位置）。
+    解析 Word 文档，返回带 block_id、parent_block_id、sort_order 的 block 列表。
-    每个 block 包含：type, text, level, style
     """
-    doc = Document(file_path)
+    doc = Document(BytesIO(source)) if isinstance(source, bytes) else Document(source)
-    blocks = []
+    blocks: List[Dict[str, Any]] = []
+
+    for item in iter_block_items(doc):
+        if isinstance(item, Paragraph):
+            block = classify_paragraph(item)
+        else:
+            block = classify_table(item)
 
-    for para in doc.paragraphs:
-        block = classify_paragraph(para)
         if block:
             blocks.append(block)
 
+    assign_block_ids(blocks)
+    build_tree(blocks)
     return blocks
 
 
+def iter_block_items(parent: DocxDocument | _Cell) -> Iterable[Paragraph | DocxTable]:
+    """按 Word 文档中的实际顺序遍历段落和表格。"""
+    parent_element = parent.element.body if isinstance(parent, DocxDocument) else parent._tc
+
+    for child in parent_element.iterchildren():
+        if isinstance(child, CT_P):
+            yield Paragraph(child, parent)
+        elif isinstance(child, CT_Tbl):
+            yield DocxTable(child, parent)
+
+
 def classify_paragraph(para: Paragraph) -> Dict[str, Any] | None:
     """识别段落类型"""
     text = para.text.strip()
     style_name = para.style.name if para.style else ""
 
-    if not text and "Heading" not in style_name:
+    if not text:
         return None  # 跳过空段落
 
-    if "Heading" in style_name:
+    if is_heading_style(style_name):
-        level = int(style_name.replace("Heading", "").strip()) if style_name.replace("Heading", "").strip().isdigit() else 1
+        level = parse_heading_level(style_name)
         return {"type": "heading", "text": text, "level": level, "style": style_name}
-    else:
+
     return {"type": "paragraph", "text": text, "level": 0, "style": style_name}
 
 
-def parse_tables(doc: Document) -> List[Dict[str, Any]]:
+def is_heading_style(style_name: str) -> bool:
-    """解析 Word 表格"""
+    return style_name.startswith("Heading") or style_name.startswith("标题")
-    tables = []
+
-    for i, table in enumerate(doc.tables):
+
-        headers = [cell.text.strip() for cell in table.rows[0].cells] if table.rows else []
+def parse_heading_level(style_name: str) -> int:
-        tables.append({
+    parts = style_name.replace("Heading", "").replace("标题", "").strip()
+    return int(parts) if parts.isdigit() and 1 <= int(parts) <= 6 else 1
+
+
+def classify_table(table: DocxTable) -> Dict[str, Any] | None:
+    """识别表格类型并提取行列数。"""
+    rows = len(table.rows)
+    cols = len(table.columns)
+    if rows == 0 or cols == 0:
+        return None
+
+    first_row = [cell.text.strip() for cell in table.rows[0].cells]
+    text = " | ".join(cell for cell in first_row if cell)
+    if not text:
+        text = f"表格（{rows} 行 x {cols} 列）"
+
+    return {
         "type": "table",
-            "text": " | ".join(headers),
+        "text": text,
         "level": 0,
-            "rows": len(table.rows),
+        "rows": rows,
-            "cols": len(table.columns),
+        "cols": cols,
-            "headers": headers,
+        "headers": first_row,
-            "table_index": i,
+    }
-        })
-    return tables
 
 
 def generate_block_id(index: int) -> str:
@@ -58,29 +94,46 @@ def generate_block_id(index: int) -> str:
     return f"block_{index:03d}"
 
 
-def build_tree(blocks: List[Dict]) -> Dict:
+def assign_block_ids(blocks: List[Dict[str, Any]]) -> None:
+    for index, block in enumerate(blocks, start=1):
+        block["block_id"] = generate_block_id(index)
+        block["sort_order"] = index
+        block["parent_block_id"] = None
+
+
+def build_tree(blocks: List[Dict[str, Any]]) -> List[Dict[str, Any]]:
     """构建层级树结构"""
-    tree = []
+    tree: List[Dict[str, Any]] = []
-    stack = []  # 存父级节点
+    heading_stack: List[Dict[str, Any]] = []
 
     for block in blocks:
-        node = {"block_id": block["block_id"], "text": block["text"][:50], "children": []}
+        node = {
-        level = block.get("level", 0)
+            "block_id": block["block_id"],
+            "block_type": block["type"],
+            "text": block["text"][:50],
+            "level": block.get("level", 0),
+            "children": [],
+        }
 
-        # 回退栈
+        if block["type"] == "heading":
-        while stack and stack[-1]["level"] >= level:
+            level = block.get("level", 1)
-            stack.pop()
 
-        if stack:
+            while heading_stack and heading_stack[-1]["level"] >= level:
-            parent = stack[-1]["node"]
+                heading_stack.pop()
+
+            if heading_stack:
+                parent = heading_stack[-1]["node"]
                 parent["children"].append(node)
                 block["parent_block_id"] = parent["block_id"]
             else:
                 tree.append(node)
-            block["parent_block_id"] = None
 
-        # 非叶子节点入栈
+            heading_stack.append({"level": level, "node": node})
-        if level < 2 or block["type"] == "heading":
+        elif heading_stack:
-            stack.append({"level": level, "node": node})
+            parent = heading_stack[-1]["node"]
+            parent["children"].append(node)
+            block["parent_block_id"] = parent["block_id"]
+        else:
+            tree.append(node)
 
-    return {"blocks": tree}
+    return tree

backend/app/services/template_service.py

@@ -6,6 +6,7 @@ from uuid import uuid4
 from fastapi import UploadFile
 from sqlalchemy.orm import Session
 from ..models.template import Template
+from ..models.template_block import TemplateBlock
 from .storage import upload_file
 
 
@@ -52,3 +53,26 @@ def create_template_record(db: Session, name: str, file_path: str, type: str = "
     db.commit()
     db.refresh(tmpl)
     return tmpl
+
+
+def save_template_blocks(db: Session, template_id: int, blocks: list[dict]) -> list[TemplateBlock]:
+    """批量保存解析出的模板区域。"""
+    records = [
+        TemplateBlock(
+            template_id=template_id,
+            block_id=block["block_id"],
+            parent_block_id=block.get("parent_block_id"),
+            block_type=block["type"],
+            block_name=block.get("text", "")[:200] or None,
+            text_preview=block.get("text", "")[:500] or None,
+            level=block.get("level", 0),
+            sort_order=block.get("sort_order", index),
+            table_rows=block.get("rows"),
+            table_cols=block.get("cols"),
+        )
+        for index, block in enumerate(blocks, start=1)
+    ]
+
+    db.add_all(records)
+    db.commit()
+    return records

docs/AI文档模板系统-像素级任务清单-20260701.md

@@ -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 |
+| 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 | ⏳ 未完成 |
+| 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 | ⏳ 未完成 |
+| 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 | ⏳ 未完成 |
+| 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 | ⏳ 未完成 |
+| 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 | ⏳ 未完成 |
+| 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 | ⏳ 未完成 |
+| 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 |

docs/tasks/task_detail_2026_07_01.md

@@ -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。