import docx
from docx import Document
from docx.shared import Pt
from pypinyin import pinyin, Style, lazy_pinyin
import redef get_first_char_pinyin(text):"""获取中文段落开头汉字的拼音（首字母大写）"""if re.match(r'[\u4e00-\u9fff]', text):return lazy_pinyin(text[0], style=Style.FIRST_LETTER)[0].upper()return ''def is_chinese_paragraph(paragraph):"""判断段落是否为中文段落"""return bool(re.match(r'[\u4e00-\u9fff]', paragraph.text.strip()))def apply_font_to_paragraph(paragraph, font_name='宋体'):"""为段落应用指定的字体"""for run in paragraph.runs:try:run.font.name = font_nameexcept ValueError:# 如果字体名称无效或不受支持，可能会引发ValueError# 这里可以捕获异常并做适当处理，比如记录日志或回退到默认字体passdef sort_paragraphs(paragraphs):"""根据要求排序段落，处理空文本段落"""chinese_paragraphs = []english_paragraphs = []for p in paragraphs:stripped_text = p.text.strip()if stripped_text: # 只处理非空文本段落if is_chinese_paragraph(p):# 对中文段落，使用拼音首字母作为排序键（如果文本非空）# 注意：这里假设 get_first_char_pinyin 能处理单字符输入chinese_paragraphs.append((p, get_first_char_pinyin(stripped_text[0]) if len(stripped_text) > 0 else ''))else:# 对英文段落，使用文本首字母小写作为排序键（如果文本非空）english_paragraphs.append((p, stripped_text[0].lower() if len(stripped_text) > 0 else ''))# 对中英文段落分别按排序键排序（注意这里我们存储了段落和排序键的元组）chinese_paragraphs.sort(key=lambda x: x[1])english_paragraphs.sort(key=lambda x: x[1])# 提取排序后的段落对象列表sorted_chinese = [p for p, _ in chinese_paragraphs]sorted_english = [p for p, _ in english_paragraphs]# 合并排序后的中英文段落列表return sorted_chinese + sorted_englishdef main(input_path, output_path):# 读取Word文档doc = Document(input_path)paragraphs = doc.paragraphs# 排序段落sorted_paragraphs = sort_paragraphs(paragraphs)# 创建新的Word文档并添加排序后的段落new_doc = Document()for para in sorted_paragraphs:new_para = new_doc.add_paragraph()# 复制段落内容new_para.add_run(para.text)# 为中文段落应用宋体字体（如果可用）if is_chinese_paragraph(para):apply_font_to_paragraph(new_para, '宋体')# 保存新的Word文档new_doc.save(output_path)if __name__ == "__main__":input_path = 'input.docx' # 输入的Word文件路径output_path = 'sorted_output.docx' # 输出的Word文件路径main(input_path, output_path)
