tlg/marketing_claude
SHA256
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

S08: Teilgebiet 01 Iteration B4 fuer DOCX umgesetzt. Heading 1/2/3 in destengsblue (build/build-reference-docx.py Funktion set_heading_colors mit explizitem color val=0B5394, themeColor accent1 entfernt). Heading-Bottom-Borders direkt am Stil verworfen, weil Word die Border bei hanging-Indent linksbuendig statt zentriert rendert und der right-Indent sowohl Text als auch Border begrenzt. 21 Markdown-HRs aus cv.md entfernt - Quelle der wahrgenommenen Doppellinien war Pandocs DOCX-Konvertierung von --- Zeilen zu VML-rect mit o:hr=t (Embossed-Look). Tabellen-Strich-Zeilen blieben unangetastet. Zwischenfall: NTFS-Mount-Stale-Read der cv.md (20043 statt 20201 Bytes) haette fast die Live-Datei truncated, sofortige Wiederherstellung aus git show HEAD und HR-Removal erneut mit git-Version als Input. H2-Trennlinien via Post-Processing eingefuehrt (build/post-process-docx.py um Logik erweitert): nach jedem H2 wird ein leerer Trenn-Absatz mit linksbuendiger Bottom-Border eingefuegt, schwarz (000000), 8,6 cm Linienlaenge (right-Indent 4196 dxa), 1,25 pt Dicke (sz=10). Sandbox-Verifikation 7 H2 zu 7 Trenner. Visuelle Bestaetigung durch Thomas. teilgebiete/01-lebenslauf.md um Iteration-B4-Block ergaenzt (B4.1 Farben, B4.2 Heading-Border-Sackgasse, B4.3 HR-Removal inkl. Zwischenfall, B4.4 H2-Trennlinien) und Naechste-Schritte-Liste auf C/D verkuerzt.

Browse Source
This commit is contained in:
tlg
2026-04-26 20:35:41 +02:00
parent 8fa36ac88c
commit 6429ca5f84
12 changed files with 478 additions and 455 deletions
Download Patch File Download Diff File Expand all files Collapse all files

BIN
artefakte/01-lebenslauf/build/__pycache__/build-reference-docx.cpython-310.pyc Normal file
View File

Binary file not shown.

BIN
artefakte/01-lebenslauf/build/__pycache__/post-process-docx.cpython-310.pyc Normal file
View File

Binary file not shown.

140
artefakte/01-lebenslauf/build/build-reference-docx.py
View File

@@ -6,7 +6,7 @@ build-reference-docx.py
Baut die templates/reference.docx fuer die Pandoc-DOCX-Pipeline aus der
Pandoc-Default-Reference, mit gezielten Anpassungen.
Iteration B1 + B1.5 + B2 + B3 (aktuell):
Iteration B1 + B1.5 + B2 + B3 + B4 (aktuell):
B1 - Theme-Schriften (majorFont und minorFont) beide auf Calibri.
B1 - Direkte Schriftnamen-Referenzen in styles.xml auf Calibri
(Code-Schriften wie Consolas bleiben).
@@ -18,14 +18,20 @@ Iteration B1 + B1.5 + B2 + B3 (aktuell):
analog PDF (top/bottom 2.2 cm, left/right 2.5 cm).
B3 - DocDefault widowControl. Heading 1/2/3 mit keepNext + keepLines.
Zusaetzlich 'FirstParagraph' (Pandoc-Stil fuer den ersten Absatz
nach einem Heading) — deckt die fett formatierten Kenntnisse-
nach einem Heading) - deckt die fett formatierten Kenntnisse-
Subsection-Labels ab. Hinweis: Listen-Bullet-Schutz (3-3-Regel)
passiert nicht hier, sondern im Post-Processing
(build/post-process-docx.py), das auf das fertige DOCX angewendet
wird — ein Stil kann keine Per-Bullet-Logik abbilden.
wird - ein Stil kann keine Per-Bullet-Logik abbilden.
B4 - Heading 1/2/3 in destengsblue (0B5394) gefaerbt (themeColor
entfernt, damit die Farbe nicht aus dem Word-Theme kommt).
Hinweis (S08): die zwischenzeitlich eingebauten Heading-
Trennlinien (Bottom-Border + Indent-Trick) wurden zurueck-
gerollt, weil sie in Word linksbuendig statt zentriert
gerendert wurden (Word-Border folgt bei hanging-Indent der
visuellen Absatz-Position, nicht den Indent-Werten).
Geplant in Folge-Iterationen:
B4 - optional Heading-Farben auf DesTEngS-Blau analog PDF
C - Foto-Einbindung
D - Hyphenation-Feintuning fuer PDF
"""
@@ -70,10 +76,15 @@ SIZE_HEADING3 = 24
HEADING_SIZES = {"Heading1": SIZE_HEADING1,
"Heading2": SIZE_HEADING2,
"Heading3": SIZE_HEADING3}
# Compact NICHT mehr in dieser Liste — Listen-Bullet-Schutz uebernimmt das
# Compact NICHT mehr in dieser Liste - Listen-Bullet-Schutz uebernimmt das
# Post-Processing-Skript pro-Bullet.
KEEP_STYLES = ("Heading1", "Heading2", "Heading3", "FirstParagraph")
# B4 - Heading-Farben (Trennlinien wurden in S08 zurueckgerollt, siehe
# Modul-Docstring). Bleibt: Heading 1/2/3 in destengsblue, themeColor entfernt.
HEADING_COLOR = "0B5394" # destengsblue (analog template.tex)
HEADING_COLOR_STYLES = ("Heading1", "Heading2", "Heading3")
PAGE_W = 11906
PAGE_H = 16838
MARGIN_TOP = 1247
@@ -87,19 +98,19 @@ HEADER_RIGHT_TAB = PAGE_W - MARGIN_LEFT - MARGIN_RIGHT
HEADER_LEFT = "Dr.-Ing. Thomas Langer"
HEADER_RIGHT = "Lebenslauf"
def log(msg: str) -> None:
def log(msg):
print(f"[build-reference-docx] {msg}", flush=True)
XML_DECL = b'<?xml version="1.0" encoding="UTF-8" standalone="yes"?>\n'
def write_xml(tree: ET.ElementTree, dest: Path) -> None:
def write_xml(tree, dest):
body = ET.tostring(tree.getroot(), encoding="utf-8")
dest.write_bytes(XML_DECL + body)
def write_xml_bytes(content: bytes, dest: Path) -> None:
def write_xml_bytes(content, dest):
dest.write_bytes(XML_DECL + content)
def fetch_pandoc_default(dest: Path) -> None:
def fetch_pandoc_default(dest):
log("Pandoc-Default-Reference extrahieren ...")
result = subprocess.run(
["pandoc", "--print-default-data-file", "reference.docx"],
@@ -111,11 +122,11 @@ def fetch_pandoc_default(dest: Path) -> None:
dest.write_bytes(result.stdout)
log(f" -> {dest} ({dest.stat().st_size} Bytes)")
def unpack_docx(src: Path, dest_dir: Path) -> None:
def unpack_docx(src, dest_dir):
with zipfile.ZipFile(src, "r") as z:
z.extractall(dest_dir)
def repack_docx(src_dir: Path, dest: Path) -> None:
def repack_docx(src_dir, dest):
files = []
for path in src_dir.rglob("*"):
if path.is_file():
@@ -126,12 +137,12 @@ def repack_docx(src_dir: Path, dest: Path) -> None:
for path, arcname in files:
z.write(path, arcname)
def is_code_font(name: str) -> bool:
def is_code_font(name):
return (name or "").strip().lower() in CODE_FONTS
# --- B1: Schriften ---------------------------------------------------------
def set_theme_fonts_to_calibri(theme_xml: Path) -> None:
def set_theme_fonts_to_calibri(theme_xml):
tree = ET.parse(theme_xml)
root = tree.getroot()
for kind in ("majorFont", "minorFont"):
@@ -146,7 +157,7 @@ def set_theme_fonts_to_calibri(theme_xml: Path) -> None:
log(f" Theme {kind}/latin: {old!r} -> {TARGET_FONT!r}")
write_xml(tree, theme_xml)
def replace_direct_fonts_in_styles(styles_xml: Path) -> None:
def replace_direct_fonts_in_styles(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
changed = 0
@@ -166,14 +177,16 @@ def replace_direct_fonts_in_styles(styles_xml: Path) -> None:
f" gesetzt (Code-Fonts unangetastet: {skipped})")
write_xml(tree, styles_xml)
def set_table_borders_none(styles_xml: Path) -> None:
def set_table_borders_none(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
style = next((s for s in root.findall(f"{W}style")
if s.get(f"{W}styleId") == "Table"), None)
if style is None:
raise RuntimeError("Style 'Table' nicht in styles.xml")
tbl_pr = style.find(f"{W}tblPr") or ET.SubElement(style, f"{W}tblPr")
tbl_pr = style.find(f"{W}tblPr")
if tbl_pr is None:
tbl_pr = ET.SubElement(style, f"{W}tblPr")
existing = tbl_pr.find(f"{W}tblBorders")
if existing is not None:
tbl_pr.remove(existing)
@@ -187,19 +200,27 @@ def set_table_borders_none(styles_xml: Path) -> None:
log(" Style 'Table': tblBorders=none auf allen Sides")
write_xml(tree, styles_xml)
def set_default_body_size(styles_xml: Path) -> None:
def set_default_body_size(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
docDefaults = root.find(f"{W}docDefaults") or ET.SubElement(root, f"{W}docDefaults")
rPrDefault = docDefaults.find(f"{W}rPrDefault") or ET.SubElement(docDefaults, f"{W}rPrDefault")
rPr = rPrDefault.find(f"{W}rPr") or ET.SubElement(rPrDefault, f"{W}rPr")
docDefaults = root.find(f"{W}docDefaults")
if docDefaults is None:
docDefaults = ET.SubElement(root, f"{W}docDefaults")
rPrDefault = docDefaults.find(f"{W}rPrDefault")
if rPrDefault is None:
rPrDefault = ET.SubElement(docDefaults, f"{W}rPrDefault")
rPr = rPrDefault.find(f"{W}rPr")
if rPr is None:
rPr = ET.SubElement(rPrDefault, f"{W}rPr")
for tag in (f"{W}sz", f"{W}szCs"):
elem = rPr.find(tag) or ET.SubElement(rPr, tag)
elem = rPr.find(tag)
if elem is None:
elem = ET.SubElement(rPr, tag)
elem.set(f"{W}val", str(SIZE_BODY))
log(f" DocDefault Body-Schriftgroesse: {SIZE_BODY/2} pt")
write_xml(tree, styles_xml)
def set_heading_sizes(styles_xml: Path) -> None:
def set_heading_sizes(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
for style in root.findall(f"{W}style"):
@@ -207,25 +228,35 @@ def set_heading_sizes(styles_xml: Path) -> None:
if sid not in HEADING_SIZES:
continue
target = HEADING_SIZES[sid]
rPr = style.find(f"{W}rPr") or ET.SubElement(style, f"{W}rPr")
rPr = style.find(f"{W}rPr")
if rPr is None:
rPr = ET.SubElement(style, f"{W}rPr")
for tag in (f"{W}sz", f"{W}szCs"):
elem = rPr.find(tag) or ET.SubElement(rPr, tag)
elem = rPr.find(tag)
if elem is None:
elem = ET.SubElement(rPr, tag)
elem.set(f"{W}val", str(target))
log(f" Stil {sid!r}: Schriftgroesse {target/2} pt")
write_xml(tree, styles_xml)
def set_widow_control_default(styles_xml: Path) -> None:
def set_widow_control_default(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
docDefaults = root.find(f"{W}docDefaults") or ET.SubElement(root, f"{W}docDefaults")
pPrDefault = docDefaults.find(f"{W}pPrDefault") or ET.SubElement(docDefaults, f"{W}pPrDefault")
pPr = pPrDefault.find(f"{W}pPr") or ET.SubElement(pPrDefault, f"{W}pPr")
docDefaults = root.find(f"{W}docDefaults")
if docDefaults is None:
docDefaults = ET.SubElement(root, f"{W}docDefaults")
pPrDefault = docDefaults.find(f"{W}pPrDefault")
if pPrDefault is None:
pPrDefault = ET.SubElement(docDefaults, f"{W}pPrDefault")
pPr = pPrDefault.find(f"{W}pPr")
if pPr is None:
pPr = ET.SubElement(pPrDefault, f"{W}pPr")
if pPr.find(f"{W}widowControl") is None:
ET.SubElement(pPr, f"{W}widowControl")
log(" pPrDefault: widowControl aktiviert")
write_xml(tree, styles_xml)
def set_keep_next_styles(styles_xml: Path) -> None:
def set_keep_next_styles(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
seen = set()
@@ -233,7 +264,9 @@ def set_keep_next_styles(styles_xml: Path) -> None:
sid = style.get(f"{W}styleId")
if sid not in KEEP_STYLES:
continue
pPr = style.find(f"{W}pPr") or ET.SubElement(style, f"{W}pPr")
pPr = style.find(f"{W}pPr")
if pPr is None:
pPr = ET.SubElement(style, f"{W}pPr")
for tag in (f"{W}keepNext", f"{W}keepLines"):
if pPr.find(tag) is None:
ET.SubElement(pPr, tag)
@@ -244,7 +277,31 @@ def set_keep_next_styles(styles_xml: Path) -> None:
log(f" Hinweis: Stil(e) {sorted(missing)!r} nicht gefunden, uebersprungen")
write_xml(tree, styles_xml)
def header_default_xml() -> bytes:
# --- B4: Heading-Farben ----------------------------------------------------
def set_heading_colors(styles_xml):
tree = ET.parse(styles_xml)
root = tree.getroot()
for style in root.findall(f"{W}style"):
sid = style.get(f"{W}styleId")
if sid not in HEADING_COLOR_STYLES:
continue
rPr = style.find(f"{W}rPr")
if rPr is None:
rPr = ET.SubElement(style, f"{W}rPr")
color = rPr.find(f"{W}color")
if color is None:
color = ET.SubElement(rPr, f"{W}color")
# Theme-Color-Attribute entfernen, damit die Farbe nicht aus dem
# Word-Theme abgeleitet wird (Pandoc-Default: themeColor accent1).
for attr in (f"{W}themeColor", f"{W}themeTint", f"{W}themeShade"):
if attr in color.attrib:
del color.attrib[attr]
color.set(f"{W}val", HEADING_COLOR)
log(f" Stil {sid!r}: color={HEADING_COLOR} (themeColor entfernt)")
write_xml(tree, styles_xml)
def header_default_xml():
return (
b'<w:hdr xmlns:w="' + NS["w"].encode() + b'">\n'
b' <w:p>\n'
@@ -259,14 +316,14 @@ def header_default_xml() -> bytes:
b'</w:hdr>\n'
)
def header_first_blank_xml() -> bytes:
def header_first_blank_xml():
return (
b'<w:hdr xmlns:w="' + NS["w"].encode() + b'">\n'
b' <w:p/>\n'
b'</w:hdr>\n'
)
def footer_default_xml() -> bytes:
def footer_default_xml():
return (
b'<w:ftr xmlns:w="' + NS["w"].encode() + b'">\n'
b' <w:p>\n'
@@ -292,12 +349,12 @@ REL_FOOTER = "http://schemas.openxmlformats.org/officeDocument/2006/relationship
CT_HEADER = "application/vnd.openxmlformats-officedocument.wordprocessingml.header+xml"
CT_FOOTER = "application/vnd.openxmlformats-officedocument.wordprocessingml.footer+xml"
def next_free_rel_id(rels_xml: Path) -> int:
def next_free_rel_id(rels_xml):
text = rels_xml.read_text(encoding="utf-8")
ids = [int(m.group(1)) for m in re.finditer(r'Id="rId(\d+)"', text)]
return (max(ids) + 1) if ids else 1
def add_relationship(rels_xml: Path, rid: str, rtype: str, target: str) -> None:
def add_relationship(rels_xml, rid, rtype, target):
text = rels_xml.read_text(encoding="utf-8")
new_rel = f'<Relationship Type="{rtype}" Id="{rid}" Target="{target}" />'
if new_rel in text:
@@ -305,7 +362,7 @@ def add_relationship(rels_xml: Path, rid: str, rtype: str, target: str) -> None:
text = text.replace("</Relationships>", new_rel + "</Relationships>")
rels_xml.write_text(text, encoding="utf-8")
def add_content_type_override(ct_xml: Path, part_name: str, ct: str) -> None:
def add_content_type_override(ct_xml, part_name, ct):
text = ct_xml.read_text(encoding="utf-8")
new_override = f'<Override PartName="{part_name}" ContentType="{ct}"/>'
if part_name in text:
@@ -313,10 +370,7 @@ def add_content_type_override(ct_xml: Path, part_name: str, ct: str) -> None:
text = text.replace("</Types>", new_override + "</Types>")
ct_xml.write_text(text, encoding="utf-8")
def update_sectpr_with_headers(document_xml: Path,
header_default_rid: str,
header_first_rid: str,
footer_default_rid: str) -> None:
def update_sectpr_with_headers(document_xml, header_default_rid, header_first_rid, footer_default_rid):
text = document_xml.read_text(encoding="utf-8")
new_sectpr = (
f'<w:sectPr>'
@@ -341,7 +395,7 @@ def update_sectpr_with_headers(document_xml: Path,
log(f" document.xml sectPr: pgSz/pgMar (A4, 2.2/2.5cm Raender), Header"
f" default+first, Footer default+first auf gleicher rId, titlePg")
def add_header_footer(unpacked: Path) -> None:
def add_header_footer(unpacked):
word_dir = unpacked / "word"
rels_xml = word_dir / "_rels" / "document.xml.rels"
ct_xml = unpacked / "[Content_Types].xml"
@@ -368,7 +422,7 @@ def add_header_footer(unpacked: Path) -> None:
update_sectpr_with_headers(doc_xml, rid_h_def, rid_h_first, rid_f_def)
def main() -> int:
def main():
log(f"Ziel: {OUTPUT_FILE}")
TEMPLATES_DIR.mkdir(parents=True, exist_ok=True)
@@ -398,6 +452,8 @@ def main() -> int:
set_widow_control_default(styles_xml)
log("Anpassung: keepNext + keepLines auf Heading 1/2/3 + FirstParagraph (B3)")
set_keep_next_styles(styles_xml)
log("Anpassung: Heading 1/2/3 in destengsblue (B4)")
set_heading_colors(styles_xml)
log("Anpassung: Header und Footer einbauen (B2)")
add_header_footer(unpacked)

132
artefakte/01-lebenslauf/build/post-process-docx.py
View File

@@ -3,23 +3,33 @@
post-process-docx.py
====================
Wird auf das von Pandoc erzeugte DOCX angewendet, NACH `build.ps1`. Setzt
Per-Bullet-keepNext-Markierungen, die ein Stil nicht abbilden kann:
Wird auf das von Pandoc erzeugte DOCX angewendet, NACH `build.ps1`. Macht
zwei XML-Modifikationen, die ein Stil oder die `reference.docx` nicht
abbilden koennen:
3-3-Regel fuer Listen-Bullets:
- Eine Liste ist eine Sequenz aufeinanderfolgender Absaetze mit
<w:numPr>-Eigenschaft im Body (nicht innerhalb von Tabellen-Zellen).
- Bei einer Liste mit weniger als 6 Bullets: alle Bullets bekommen
<w:keepNext/> (Liste bleibt unteilbar — bei <6 ist die 3-3-Regel
sowieso nur durch Zusammenhalten aller erfuellbar).
- Bei einer Liste mit 6 oder mehr Bullets: die ersten 2 und die
drittletzten und vorletzten Bullets bekommen <w:keepNext/>.
Damit gilt: nach Bullet 1 darf nicht getrennt werden (1+2+3 zusammen),
und nach Bullet N-3 darf nicht getrennt werden (N-2+N-1+N zusammen).
Trennen ist erlaubt zwischen den Bullets in der Mitte.
1. 3-3-Regel fuer Listen-Bullets (B3.5):
- Eine Liste ist eine Sequenz aufeinanderfolgender Absaetze mit
<w:numPr>-Eigenschaft im Body (nicht innerhalb von Tabellen-Zellen).
- Bei einer Liste mit weniger als 6 Bullets: alle Bullets bekommen
<w:keepNext/> (Liste bleibt unteilbar - bei <6 ist die 3-3-Regel
sowieso nur durch Zusammenhalten aller erfuellbar).
- Bei einer Liste mit 6 oder mehr Bullets: die ersten 2 und die
drittletzten und vorletzten Bullets bekommen <w:keepNext/>.
Damit gilt: nach Bullet 1 darf nicht getrennt werden (1+2+3 zusammen),
und nach Bullet N-3 darf nicht getrennt werden (N-2+N-1+N zusammen).
Trennen ist erlaubt zwischen den Bullets in der Mitte.
Bullets in Tabellen-Zellen werden uebersprungen.
Bullets in Tabellen-Zellen werden uebersprungen — Compact wird auch fuer
Tabellen-Zellen-Inhalte verwendet, dort wollen wir kein keepNext.
2. H2-Trennlinie (S08):
- Nach jedem H2-Absatz wird ein leerer Trenn-Absatz eingefuegt.
- Trenn-Absatz: linksbuendige Bottom-Border, schwarz (000000),
1,25 pt (sz=10), 8,6 cm Linienlaenge (right-Indent 4196 dxa bei
9072 dxa Textbreite).
- Run-Properties auf sz=2 (1 pt), damit der Absatz selbst minimale
Hoehe hat.
- Ein schmaler-als-Heading-Border ist ueber den Heading-Stil selbst
nicht moeglich, weil Words right-Indent sowohl Text als auch
Border begrenzt. Deshalb separater Trenn-Absatz.
Voraussetzungen: nur Python-Stdlib.
"""
@@ -37,52 +47,64 @@ DOCX_FILE = BASE_DIR / "output" / "Lebenslauf_Dr-Ing_Thomas_Langer.docx"
W_NS = "http://schemas.openxmlformats.org/wordprocessingml/2006/main"
def log(msg: str) -> None:
# H2-Trenn-Absatz: linksbuendige Bottom-Border, schwarz, 8,6 cm lang, 1,25 pt dick.
# Textbreite = PAGE_W - MARGIN_LEFT - MARGIN_RIGHT = 11906 - 1417 - 1417 = 9072 dxa
# 8,6 cm = 8,6 * 567 dxa/cm = 4876 dxa
# right-Indent = 9072 - 4876 = 4196 dxa
# Border sz ist in 1/8 pt: 1,25 pt * 8 = 10
H2_SEP_XML = (
'<w:p>'
'<w:pPr>'
'<w:spacing w:before="0" w:after="80"/>'
'<w:ind w:right="4196"/>'
'<w:pBdr>'
'<w:bottom w:val="single" w:sz="10" w:space="2" w:color="000000"/>'
'</w:pBdr>'
'<w:rPr><w:sz w:val="2"/><w:szCs w:val="2"/></w:rPr>'
'</w:pPr>'
'</w:p>'
)
H2_STYLE_RE = re.compile(r'<w:pStyle\s+w:val="Heading2"\s*/?>')
def log(msg):
print(f"[post-process-docx] {msg}", flush=True)
def is_bullet_paragraph(p_xml: str) -> bool:
"""True wenn Absatz-XML eine numPr-Eigenschaft hat (= Listen-Bullet)."""
def is_bullet_paragraph(p_xml):
return "<w:numPr" in p_xml
def has_keep_next(p_xml: str) -> bool:
def is_h2_paragraph(p_xml):
return bool(H2_STYLE_RE.search(p_xml))
def has_keep_next(p_xml):
return "<w:keepNext" in p_xml
def add_keep_next(p_xml: str) -> str:
def add_keep_next(p_xml):
"""Fuegt <w:keepNext/> in das pPr-Element ein. Falls kein pPr existiert,
wird es angelegt. Idempotent (wenn schon vorhanden, unveraendert)."""
wird es angelegt. Idempotent."""
if has_keep_next(p_xml):
return p_xml
if "<w:pPr>" in p_xml:
return p_xml.replace("<w:pPr>", "<w:pPr><w:keepNext/>", 1)
if "<w:pPr/>" in p_xml:
return p_xml.replace("<w:pPr/>", "<w:pPr><w:keepNext/></w:pPr>", 1)
# kein pPr: vor <w:r ...> oder vor </w:p>
new_ppr = "<w:pPr><w:keepNext/></w:pPr>"
if "<w:r" in p_xml:
return p_xml.replace("<w:p>", "<w:p>" + new_ppr, 1) \
if p_xml.startswith("<w:p>") else p_xml
if "<w:r" in p_xml and p_xml.startswith("<w:p>"):
return p_xml.replace("<w:p>", "<w:p>" + new_ppr, 1)
return p_xml.replace("</w:p>", new_ppr + "</w:p>", 1)
# Regex: ein <w:p ...>...</w:p>, optional gefolgt vom oeffnenden Marker fuer
# Tabelle (<w:tbl>) oder schliessenden Body (</w:body>). Wir splitten nicht,
# sondern iterieren paragraphenweise und tracken Tabellen-Schachtelung.
P_RE = re.compile(r"<w:p\b[^>]*>.*?</w:p>", re.DOTALL)
P_RE = re.compile(r"<w:p\b[^>]*>.*?</w:p>", re.DOTALL)
TBL_OPEN = "<w:tbl>"
TBL_CLOSE = "</w:tbl>"
def process_document_xml(xml: str) -> tuple[str, dict]:
"""Findet Listen-Sequenzen ausserhalb von Tabellen, wendet 3-3-Regel an.
Gibt das modifizierte XML und Statistiken zurueck."""
# Tokenize: <w:tbl>...</w:tbl>-Bereiche markieren, damit wir sie ueberspringen.
# Ansatz: wir gehen durch das XML und tracken aktuelle Tabellen-Tiefe.
# Wenn Tiefe > 0: Bullets in Tabellen-Zellen ueberspringen.
def process_document_xml(xml):
"""Tokenisiert den Body, wendet 3-3-Regel auf Bullet-Listen an und
fuegt nach jedem H2-Heading einen Trenn-Absatz ein."""
out = []
pos = 0
bullet_run = []
table_depth = 0
bullet_run: list[tuple[int, str]] = [] # (out_idx, p_xml) Indizes in out
stats = {"lists": 0, "bullets_in_lists": 0, "bullets_keepnext": 0,
"skipped_in_tables": 0}
"skipped_in_tables": 0, "h2_headings": 0, "separators_added": 0}
def flush_run():
if not bullet_run:
@@ -102,9 +124,6 @@ def process_document_xml(xml: str) -> tuple[str, dict]:
stats["bullets_keepnext"] += 1
bullet_run.clear()
# Wir scannen das XML linear nach <w:p ...>...</w:p>, <w:tbl>, </w:tbl>
# und sammeln Bullet-Sequenzen ausserhalb von Tabellen.
# Dafuer iterieren wir mit einem regex der ALLE drei Token findet.
token_re = re.compile(
r"(?P<tblopen>" + re.escape(TBL_OPEN) + r")"
r"|(?P<tblclose>" + re.escape(TBL_CLOSE) + r")"
@@ -113,49 +132,46 @@ def process_document_xml(xml: str) -> tuple[str, dict]:
)
last_end = 0
for m in token_re.finditer(xml):
# nicht-tokenisierten Text dazwischen anhaengen
if m.start() > last_end:
out.append(xml[last_end:m.start()])
last_end = m.end()
if m.group("tblopen"):
flush_run() # Listen vor Tabelle abschliessen
flush_run()
table_depth += 1
out.append(m.group())
elif m.group("tblclose"):
flush_run() # innerhalb-Tabellen-Listen wir flushen, aber haben
# sie eh nicht angesammelt
flush_run()
table_depth -= 1
out.append(m.group())
else:
p_xml = m.group("para")
out.append(p_xml)
if table_depth > 0:
# Bullets in Tabellen-Zellen ignorieren
if is_bullet_paragraph(p_xml):
stats["skipped_in_tables"] += 1
# nicht-bullet-paragraph in tabelle: kein effekt
continue
if is_bullet_paragraph(p_xml):
bullet_run.append((len(out) - 1, p_xml))
else:
# Sequenz-Ende: 3-3-Regel anwenden
flush_run()
continue
flush_run()
if is_h2_paragraph(p_xml):
out.append(H2_SEP_XML)
stats["h2_headings"] += 1
stats["separators_added"] += 1
# Rest hinten dranhaengen
if last_end < len(xml):
out.append(xml[last_end:])
flush_run() # falls Liste am Body-Ende
flush_run()
return "".join(out), stats
def main() -> int:
def main():
if not DOCX_FILE.exists():
sys.stderr.write(f"FEHLER: {DOCX_FILE} existiert nicht. "
f"Erst build.ps1 laufen lassen.\n")
return 1
log(f"Verarbeite: {DOCX_FILE}")
# DOCX in memory einlesen
with zipfile.ZipFile(DOCX_FILE, "r") as z:
members = {name: z.read(name) for name in z.namelist()}
@@ -163,12 +179,10 @@ def main() -> int:
new_xml, stats = process_document_xml(doc_xml)
if new_xml == doc_xml:
log(" keine Aenderung — keine bullet-Listen gefunden oder bereits gesetzt")
log(" keine Aenderung")
members["word/document.xml"] = new_xml.encode("utf-8")
# DOCX zurueckschreiben (mode='w' truncatet)
with zipfile.ZipFile(DOCX_FILE, "w", zipfile.ZIP_DEFLATED) as z:
# [Content_Types].xml zuerst
order = sorted(members.keys(),
key=lambda n: (0 if n == "[Content_Types].xml" else 1, n))
for name in order:
@@ -178,6 +192,8 @@ def main() -> int:
log(f" Bullets in Listen: {stats['bullets_in_lists']}")
log(f" keepNext gesetzt: {stats['bullets_keepnext']}")
log(f" Bullets in Tabellen uebersprungen: {stats['skipped_in_tables']}")
log(f" H2-Headings gefunden: {stats['h2_headings']}")
log(f" H2-Trenn-Absaetze eingefuegt: {stats['separators_added']}")
log("Fertig.")
return 0