guanlan-src/scripts/delivery_docs_build.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
r"""交付文档构建器：`docs/src/*.md` → `docs/*.docx`（用户令 2026-09-22）。

## 为什么要有它（而不是拿 Word 手排）
用户令要求三份文档「区分章节目录、文表图并茂、字体字号分类统一」。手排的三份文档**必然**字体字号漂移、
图表编号对不上、改一处忘一处。所以内容用 markdown 写（可 diff、进版本库），排版由本器**一套样式表**统一执行：

| 元素 | 字体 | 字号 | 对齐 / 缩进 |
|---|---|---|---|
| 封面标题 | 黑体 | 小一(26pt) | 居中 |
| 章标题（一级 `##`） | 黑体 | 三号(16pt) | 左对齐，**章前分页** |
| 节标题（二级 `###`） | 黑体 | 四号(14pt) | 左对齐 |
| 小节标题（三级 `####`） | 黑体 | 小四(12pt) 加粗 | 左对齐 |
| 正文 | 宋体 | 小四(12pt) | 首行缩进 2 字符、1.5 倍行距、两端对齐 |
| 列表 | 宋体 | 小四(12pt) | 悬挂缩进 |
| 表题（表上方） | 黑体 | 五号(10.5pt) | 居中 |
| 表头 | 黑体 | 五号(10.5pt) 加粗 | 居中 + 浅灰底纹 + 跨页重复 |
| 表格正文 | 宋体 | 五号(10.5pt)（≥6 列降 9pt） | 左对齐 |
| 图（居中）与图题（图下方） | 黑体 | 五号(10.5pt) | 居中 |
| 页眉 / 页脚页码 | 宋体 | 小五(9pt) | 居中 |

英文与数字用 Times New Roman（中式公文惯例：中文宋体/黑体 + 西文 Times New Roman）。

## markdown 约定（渲染器支持的子集，写手必须照此写）
    # 文档标题                       （只此一处，进封面）
    ## 1 章 / ### 1.1 节 / #### 1.1.1 小节
    普通段落（一行一段，段间空行）
    - 无序项           1. 有序项
    | 表头 | 表头 |   +  |---| 分隔行           → 表格
    **表 3-1 标题**（紧挨表格上方一行）            → 表题
    ![图 3-1 标题](figures/xxx.png)                → 图片 + 图题
    > 引用段
    ---                                            → 忽略

## 用法
    python scripts/delivery_docs_build.py                 # 三份全渲染
    python scripts/delivery_docs_build.py --only req      # 只渲染一份 (req/des/dat)
    python scripts/delivery_docs_build.py --check         # 只体检源件（章/节/表/图/字数、图是否在位）
    python scripts/delivery_docs_build.py --spec          # 打印本器的排版规范表

退出码: 0 全部成功 · 5 有源件缺件/图缺件（逐条打印，仍会尽力渲染其余内容）
"""
from __future__ import annotations

import argparse
import pathlib
import re
import sys

ROOT = pathlib.Path(__file__).resolve().parents[1]

from docx import Document                                                    # noqa: E402
from docx.enum.section import WD_SECTION                                     # noqa: E402
from docx.enum.table import WD_TABLE_ALIGNMENT                               # noqa: E402
from docx.enum.text import WD_ALIGN_PARAGRAPH, WD_LINE_SPACING               # noqa: E402
from docx.oxml import OxmlElement                                            # noqa: E402
from docx.oxml.ns import qn                                                  # noqa: E402
from docx.shared import Cm, Pt, RGBColor                                     # noqa: E402

VERSION = __import__('importlib').import_module('src.version').VERSION

HEI, SONG, WEST = '黑体', '宋体', 'Times New Roman'
SZ = dict(cover=26, h1=16, h2=14, h3=12, body=12, table=10.5, table_small=9, caption=10.5, header=9)

DOCS = {
    'req': dict(src='docs/src/需求分析_观澜_{v}.md', out='docs/需求分析_观澜_{v}.docx',
                title='需求分析', subtitle='观澜 v2 · 风电场智能分析系统'),
    'des': dict(src='docs/src/设计说明_观澜_{v}.md', out='docs/设计说明_观澜_{v}.docx',
                title='设计说明', subtitle='观澜 v2 · 风电场智能分析系统'),
    'dat': dict(src='docs/src/数据要求说明_观澜_{v}.md', out='docs/数据要求说明_观澜_{v}.docx',
                title='数据要求说明',
                subtitle='观澜 v2 · 风电场智能分析系统（结合现场《数据分析收资要求-v3》）',
                # ★2026-09-22 用户令: 这份是**纯数据需求规格** —— 不体现样本场接入情况, 也不体现实现细节。
                #   下面这组模式由 `--check`/`--verify` 机器扫描, 命中即 FAIL（不靠人自觉）。
                strict_terms=True),
}

# 数据要求说明的"不得出现"模式（用户令 2026-09-22）:
#   英文测点名称 / 文件名称 / 落盘位置 / 机组名称编号 / 样本场现状字样。
#   中文业务含义名称与「中文（英文简写）」（如 平均无故障间隔（MTBF））不在禁止之列。
STRICT_PATTERNS = (
    ('英文测点标识(snake_case)', r'\b[a-z][a-z0-9]*_[a-z0-9_]+\b'),
    ('文件扩展名', r'\.(csv|parquet|json|yaml|yml|xlsx|xls|pdf|mdb|xml|docx|doc)\b'),
    ('目录/落盘位置', r'(data/raw|outputs/|configs/|scripts/|reference/|docs/|data\\)'),
    ('机组名称/编号', r'(WTG\d+|\b\d{2}[A-Z]\b)'),
    ('样本场现状字样', r'(已在位|未到位|现状|实测|样本场|本场|催缴)'),
)

# ★去标识化词表（用户令 2026-09-22「内容参考如东风电场，但不体现如东风电场」）:
#   三份文档是**对外**交付件, 不得出现样本场的中文名、罗马化形态、业主、地域、OEM 与第三方机构名。
#   词表放在代码里 ⇒ `--check`/`--verify` 与 `guanlan.py check` 都会机器扫描, 不靠人自觉。
#   ★2026-09-22 补（数据要求说明起草时实逮）: 样本场 CMS 导出包名是 `CMS_RuDong_CGN_202603-04`
#   —— **大小写混合**的罗马化场名/业主缩写能绕过精确匹配，所以匹配一律**大小写不敏感**（见 forbidden_hits）。
FORBIDDEN = ('如东', '如海', '广核', '江苏', 'rudong', 'cgn',
             '西门子', '上海电气', 'swt', '大生', '4.0-130')

SPEC_ROWS = [
    ('封面标题', '黑体', '小一（26pt）', '居中'),
    ('章标题（一级）', '黑体', '三号（16pt）', '左对齐，章前分页'),
    ('节标题（二级）', '黑体', '四号（14pt）', '左对齐'),
    ('小节标题（三级）', '黑体', '小四（12pt）加粗', '左对齐'),
    ('正文', '宋体（西文 Times New Roman）', '小四（12pt）', '首行缩进 2 字符，1.5 倍行距，两端对齐'),
    ('列表', '宋体', '小四（12pt）', '悬挂缩进 0.74 cm'),
    ('表题', '黑体', '五号（10.5pt）', '居中，置于表格上方'),
    ('表头', '黑体', '五号（10.5pt）加粗', '居中，浅灰底纹，跨页重复'),
    ('表格正文', '宋体', '五号（10.5pt）；≥6 列降 9pt', '左对齐，垂直居中'),
    ('图', '—', '宽度 ≤ 15 cm', '居中'),
    ('图题', '黑体', '五号（10.5pt）', '居中，置于图下方'),
    ('页眉', '宋体', '小五（9pt）', '居中'),
    ('页脚页码', '宋体', '小五（9pt）', '居中（第 X 页 / 共 Y 页）'),
]

WARN: list[str] = []


# ── 低层 docx 工具 ─────────────────────────────────────────────────────────────
def _rfonts(el, ascii_font: str, ea_font: str):
    rpr = el.get_or_add_rPr()
    rf = rpr.find(qn('w:rFonts'))
    if rf is None:
        rf = OxmlElement('w:rFonts')
        rpr.append(rf)
    rf.set(qn('w:ascii'), ascii_font)
    rf.set(qn('w:hAnsi'), ascii_font)
    rf.set(qn('w:eastAsia'), ea_font)


def set_run(run, size: float, *, ea: str = SONG, ascii_font: str = WEST, bold: bool = False):
    run.font.size = Pt(size)
    run.font.bold = bold
    run.font.name = ascii_font
    run.font.color.rgb = RGBColor(0, 0, 0)
    _rfonts(run._element, ascii_font, ea)


def style_setup(doc: Document):
    """把内置样式（Heading 1-4 / Normal / 表格）改成文档的统一口径。"""
    normal = doc.styles['Normal']
    normal.font.name = WEST
    normal.font.size = Pt(SZ['body'])
    _rfonts(normal.element, WEST, SONG)
    normal.paragraph_format.line_spacing_rule = WD_LINE_SPACING.MULTIPLE
    normal.paragraph_format.line_spacing = 1.5
    normal.paragraph_format.space_after = Pt(0)

    spec = {'Heading 1': (SZ['h1'], True), 'Heading 2': (SZ['h2'], True),
            'Heading 3': (SZ['h3'], True), 'Heading 4': (SZ['h3'], True)}
    for name, (size, bold) in spec.items():
        st = doc.styles[name]
        st.font.name = WEST
        st.font.size = Pt(size)
        st.font.bold = bold
        st.font.italic = False
        st.font.color.rgb = RGBColor(0, 0, 0)
        _rfonts(st.element, WEST, HEI)
        pf = st.paragraph_format
        pf.line_spacing_rule = WD_LINE_SPACING.MULTIPLE
        pf.line_spacing = 1.5
        pf.space_before = Pt(12 if name != 'Heading 1' else 0)
        pf.space_after = Pt(6)
        pf.first_line_indent = Pt(0)
        if name == 'Heading 1':
            pf.page_break_before = True
            pf.space_after = Pt(12)
    sec = doc.sections[0]
    sec.page_width, sec.page_height = Cm(21.0), Cm(29.7)
    sec.top_margin = sec.bottom_margin = Cm(2.54)
    sec.left_margin = sec.right_margin = Cm(3.17)


def add_field(paragraph, instr: str, placeholder: str = ''):
    r = paragraph.add_run()
    b = OxmlElement('w:fldChar'); b.set(qn('w:fldCharType'), 'begin')
    i = OxmlElement('w:instrText'); i.set(qn('xml:space'), 'preserve'); i.text = instr
    s = OxmlElement('w:fldChar'); s.set(qn('w:fldCharType'), 'separate')
    t = OxmlElement('w:t'); t.text = placeholder
    e = OxmlElement('w:fldChar'); e.set(qn('w:fldCharType'), 'end')
    for el in (b, i, s, t, e):
        r._r.append(el)
    return r


def para(doc, text: str = '', *, size=SZ['body'], ea=SONG, bold=False, align='left',
         indent_chars=0, space_before=0, space_after=6, hanging=False):
    p = doc.add_paragraph()
    pf = p.paragraph_format
    pf.line_spacing_rule = WD_LINE_SPACING.MULTIPLE
    pf.line_spacing = 1.5
    pf.space_before = Pt(space_before)
    pf.space_after = Pt(space_after)
    pf.first_line_indent = Pt(size * indent_chars)
    if hanging:
        pf.left_indent = Cm(0.74)
        pf.first_line_indent = Cm(-0.0)
    pf.alignment = {'left': WD_ALIGN_PARAGRAPH.LEFT, 'center': WD_ALIGN_PARAGRAPH.CENTER,
                    'justify': WD_ALIGN_PARAGRAPH.JUSTIFY}[align]
    if text:
        for chunk, is_bold, mono in split_bold(text):
            r = p.add_run(chunk)
            set_run(r, size, ea=SONG, ascii_font='Consolas' if mono else WEST, bold=bold or is_bold)
    return p


INLINE_RE = re.compile(r'\*\*(.+?)\*\*|`([^`]+)`')
CODE_RE = re.compile(r'`([^`]+)`')
BOLD_RE = re.compile(r'\*\*(.+?)\*\*')


def _bold_parts(s: str):
    parts, pos = [], 0
    for m in BOLD_RE.finditer(s):
        if m.start() > pos:
            parts.append((s[pos:m.start()], False, False))
        parts.append((m.group(1), True, False))
        pos = m.end()
    tail = s[pos:]
    if '**' in tail:
        # 落单的 `**`（例如通配路径 `pitch/**` 没包在行内代码里）—— 交付文档里不能留字面量，
        # 去掉并记一条告警，让写手回去补行内代码。
        WARN.append('落单的 ** 已剔除: ' + tail.strip()[:60])
        tail = tail.replace('**', '')
    if tail:
        parts.append((tail, False, False))
    return parts


def split_bold(text: str):
    """行内标记 → [(片段, 是否粗体, 是否等宽)]。

    ★单遍分词，支持两种嵌套（2026-09-22 两次实逮后的定稿）:
      ① 代码里含 `**`（如通配路径 `` `pitch/**` ``）—— 不能当成粗体起始；
      ② 粗体里含代码（如 ``**体量以 `data/raw` 为准**``）—— 不能按代码先切、把粗体配对切断。
    先按 `**…**` 找配对，配对内部再递归扫代码；代码段内部一律**字面**取，不再解析粗体。
    落单的 `**` 剔除并记告警（交付文档里不能留字面星号）。
    """
    out: list[tuple[str, bool, bool]] = []

    def emit(t: str, bold: bool, mono: bool):
        if t:
            out.append((t, bold, mono))

    def scan(s: str, bold: bool):
        i = 0
        while i < len(s):
            if s.startswith('**', i):
                j = s.find('**', i + 2)
                if j > i + 2:
                    scan(s[i + 2:j], True)
                    i = j + 2
                    continue
                WARN.append('落单的 ** 已剔除: ' + s[max(0, i - 20):i + 20].strip())
                i += 2
                continue
            if s[i] == '`':
                j = s.find('`', i + 1)
                if j > i:
                    emit(s[i + 1:j], bold, True)
                    i = j + 1
                    continue
            nxt = len(s)
            for k in range(i, len(s)):
                if s[k] == '`' or s.startswith('**', k):
                    nxt = k
                    break
            emit(s[i:nxt], bold, False)
            i = nxt

    scan(text, False)
    return out or [(text, False, False)]


def shade(cell, fill='F2F2F2'):
    tcPr = cell._tc.get_or_add_tcPr()
    shd = OxmlElement('w:shd')
    shd.set(qn('w:val'), 'clear')
    shd.set(qn('w:color'), 'auto')
    shd.set(qn('w:fill'), fill)
    tcPr.append(shd)


def repeat_header(row):
    trPr = row._tr.get_or_add_trPr()
    th = OxmlElement('w:tblHeader')
    th.set(qn('w:val'), 'true')
    trPr.append(th)


def add_table(doc, rows: list[list[str]]):
    ncol = max(len(r) for r in rows)
    t = doc.add_table(rows=0, cols=ncol)
    t.style = 'Table Grid'
    t.alignment = WD_TABLE_ALIGNMENT.CENTER
    t.autofit = True
    size = SZ['table_small'] if ncol >= 6 else SZ['table']
    for i, r in enumerate(rows):
        cells = t.add_row().cells
        for j in range(ncol):
            txt = (r[j] if j < len(r) else '').strip()
            cell = cells[j]
            cell.text = ''
            p = cell.paragraphs[0]
            p.paragraph_format.line_spacing = 1.15
            p.paragraph_format.space_after = Pt(0)
            p.paragraph_format.first_line_indent = Pt(0)
            p.alignment = WD_ALIGN_PARAGRAPH.CENTER if i == 0 else WD_ALIGN_PARAGRAPH.LEFT
            for chunk, is_bold, mono in split_bold(txt):
                run = p.add_run(chunk.replace('\\|', '|'))
                set_run(run, size, ea=HEI if i == 0 else SONG,
                        ascii_font='Consolas' if mono else WEST, bold=(i == 0) or is_bold)
            if i == 0:
                shade(cell)
    if t.rows:
        repeat_header(t.rows[0])
    return t


# ── markdown 解析 ──────────────────────────────────────────────────────────────
IMG_RE = re.compile(r'^!\[(?P<cap>[^\]]*)\]\((?P<path>[^)]+)\)\s*$')
CAP_RE = re.compile(r'^\*\*(?P<cap>表\s*[\d\-–.]+.*?)\*\*\s*$')


def parse_md(text: str):
    """→ [('h1'|'h2'|'h3'|'h4'|'p'|'ul'|'ol'|'table'|'img'|'quote', payload)]"""
    lines = text.splitlines()
    blocks, i = [], 0
    if lines and lines[0].startswith('# '):
        i = 1
    while i < len(lines):
        ln = lines[i]
        s = ln.strip()
        if not s or re.match(r'^([-*_])(\s*\1){2,}$', s):
            i += 1                       # 空行与分隔线（`---` / `***` / `___`）
            continue
        m = re.match(r'^(#{2,5})\s+(.*)$', s)
        if m:
            blocks.append(('h%d' % (len(m.group(1)) - 1), m.group(2).strip()))
            i += 1
            continue
        m = IMG_RE.match(s)
        if m:
            blocks.append(('img', (m.group('cap'), m.group('path'))))
            i += 1
            continue
        if s.startswith('|'):
            rows = []
            while i < len(lines) and lines[i].strip().startswith('|'):
                raw = lines[i].strip().strip('|')
                if not re.match(r'^[\s:\-|]+$', raw):
                    rows.append([c.strip() for c in raw.split('|')])
                i += 1
            if rows:
                cap = None
                if blocks and blocks[-1][0] == 'p' and CAP_RE.match(blocks[-1][1]):
                    cap = blocks.pop()[1]
                blocks.append(('table', (cap, rows)))
            continue
        if s.startswith('- '):
            items = []
            while i < len(lines) and lines[i].strip().startswith('- '):
                items.append(lines[i].strip()[2:].strip())
                i += 1
            blocks.append(('ul', items))
            continue
        if re.match(r'^\d+[.)]\s+', s):
            items = []
            while i < len(lines) and re.match(r'^\d+[.)]\s+', lines[i].strip()):
                items.append(re.sub(r'^\d+[.)]\s+', '', lines[i].strip()))
                i += 1
            blocks.append(('ol', items))
            continue
        if s.startswith('> '):
            q = []
            while i < len(lines) and lines[i].strip().startswith('> '):
                q.append(lines[i].strip()[2:].strip())
                i += 1
            blocks.append(('quote', ' '.join(q)))
            continue
        blocks.append(('p', s))
        i += 1
    return blocks


def forbidden_hits(text: str) -> dict:
    """扫去标识化词表 → {禁用词: 命中次数}（只回报非零项；**大小写不敏感**）。"""
    low = text.lower()
    return {w: low.count(w.lower()) for w in FORBIDDEN if low.count(w.lower())}


def strict_hits(text: str) -> dict:
    """数据要求说明的"不得出现实现细节/现状"扫描 → {模式名: 命中次数}（只回报非零项）。"""
    return {name: len(re.findall(rx, text, re.I)) for name, rx in STRICT_PATTERNS
            if re.search(rx, text, re.I)}


def count_md(text: str) -> dict:
    blocks = parse_md(text)
    body = re.sub(r'!\[[^\]]*\]\([^)]*\)', '', text)
    cn = len(re.findall(r'[\u4e00-\u9fff]', body))
    return dict(
        章=sum(1 for k, _ in blocks if k == 'h1'),
        节=sum(1 for k, _ in blocks if k == 'h2'),
        小节=sum(1 for k, _ in blocks if k == 'h3'),
        表=sum(1 for k, _ in blocks if k == 'table'),
        图=sum(1 for k, _ in blocks if k == 'img'),
        段落=sum(1 for k, _ in blocks if k == 'p'),
        汉字=cn)


# ── 渲染 ───────────────────────────────────────────────────────────────────────
def cover(doc, title: str, subtitle: str):
    for _ in range(4):
        para(doc, '', space_after=0)
    para(doc, f'{title}', size=SZ['cover'], ea=HEI, bold=True, align='center', space_after=12)
    para(doc, subtitle, size=14, ea=HEI, align='center', space_after=6)
    for _ in range(3):
        para(doc, '', space_after=0)
    para(doc, f'版本 {VERSION}（与系统版本一致）', size=14, align='center', space_after=6)
    para(doc, f'编制：观澜项目组　　日期：2026-09-22', size=12, align='center', space_after=6)
    # ★落款不写生成器文件名与源件路径：那会把实现细节带进"对外、不体现文件名/落盘位置"的文档里
    #   （2026-09-22 实逮: `--check` 扫源件是 clean, 但 `--verify` 扫渲染结果命中 1 处 snake_case + 2 处路径）。
    para(doc, '本文件由统一的交付文档生成器排版（样式表固定，可重跑、可 diff；正文源件随交付包提供）',
         size=9, align='center', space_after=0)
    doc.add_page_break()


def toc(doc):
    para(doc, '目录', size=SZ['h1'], ea=HEI, bold=True, align='center', space_after=12)
    p = doc.add_paragraph()
    p.paragraph_format.line_spacing = 1.5
    add_field(p, r'TOC \o "1-3" \h \z \u',
              '（目录域：在 Word 中按 Ctrl+A 后 F9，或右键“更新域”即可生成带页码的目录）')
    doc.add_page_break()


def render_blocks(doc, blocks, fig_root: pathlib.Path):
    """渲染块序列。表号一律**按章编号**「表 <章>-<序>」（附录按字母 A/B/C）——
    与三份稿正文里的引用口径一致（实逮: 原先按出现顺序编成「表 1…表 54」, 正文写「见表 9-2」就指不到）。
    """
    tno = 0
    chap_label = ''
    per = 0
    caps: list[str] = []
    for kind, payload in blocks:
        if kind == 'h1':
            head = payload.strip()
            m = re.match(r'^(\d+)', head)
            if m:
                chap_label, per = m.group(1), 0
            else:
                m2 = re.match(r'^附录\s*([A-Za-z])', head)
                chap_label, per = (m2.group(1), 0) if m2 else (chap_label, 0)
        if kind.startswith('h'):
            lvl = int(kind[1])
            style = {1: 'Heading 1', 2: 'Heading 2', 3: 'Heading 3', 4: 'Heading 4'}[lvl]
            p = doc.add_paragraph(style=style)
            size = {1: SZ['h1'], 2: SZ['h2'], 3: SZ['h3'], 4: SZ['h3']}[lvl]
            for chunk, _b, _m in split_bold(payload):
                set_run(p.add_run(chunk), size, ea=HEI, bold=True)
            continue
        if kind == 'p':
            para(doc, payload, align='justify', indent_chars=2)
            continue
        if kind in ('ul', 'ol'):
            for n, item in enumerate(payload, 1):
                mark = '· ' if kind == 'ul' else f'（{n}）'
                para(doc, mark + item, align='justify', hanging=True, space_after=3)
            continue
        if kind == 'quote':
            p = para(doc, payload, align='justify', space_before=6, space_after=6)
            p.paragraph_format.left_indent = Cm(0.74)
            continue
        if kind == 'table':
            cap, rows = payload
            tno += 1
            per += 1
            label = f'表 {chap_label}-{per}' if chap_label else f'表 {tno}'
            title = re.sub(r'^表\s*[\dA-Za-z]+\s*[-–—]\s*\d+\s*', '', cap or '').strip()
            if cap:
                author_no = re.match(r'^表\s*([\dA-Za-z]+)\s*[-–—]\s*(\d+)', cap)
                if author_no and f'{author_no.group(1)}-{author_no.group(2)}' != f'{chap_label}-{per}':
                    WARN.append('表号与作者自编不一致: 原「%s」→ 本器按章编号「%s」'
                                % (cap[:24], label))
            caps.append(label)
            para(doc, (label + ('　' + title if title else '')), size=SZ['caption'], ea=HEI, bold=True,
                 align='center', space_before=8, space_after=4)
            add_table(doc, rows)
            para(doc, '', space_after=2)
            continue
        if kind == 'img':
            cap, rel = payload
            # md 里的图路径是相对 `docs/` 的（约定 `figures/xxx.png`）；容错：只给文件名也认。
            cand = fig_root / rel if (fig_root / rel).exists() else fig_root / 'figures' / pathlib.Path(rel).name
            f = cand.resolve()
            if f.exists():
                p = doc.add_paragraph()
                p.alignment = WD_ALIGN_PARAGRAPH.CENTER
                p.paragraph_format.space_before = Pt(8)
                p.paragraph_format.space_after = Pt(4)
                p.paragraph_format.first_line_indent = Pt(0)
                p.add_run().add_picture(str(f), width=Cm(15.0) if f.stat().st_size > 90_000 else Cm(13.0))
            else:
                WARN.append(f'图缺件: {rel}')
                para(doc, f'（图缺失：{rel}）', size=SZ['caption'], align='center', space_after=4)
            para(doc, cap or rel, size=SZ['caption'], ea=HEI, bold=True, align='center', space_after=8)
            continue
    doc._tab_labels = caps                     # 供调用方自检（本器 --verify 直接从 docx 回读，不依赖它）
    return tno


def header_footer(doc, title: str):
    sec = doc.sections[0]
    hp = sec.header.paragraphs[0]
    hp.alignment = WD_ALIGN_PARAGRAPH.CENTER
    set_run(hp.add_run(f'{title} · 观澜 v2 风电场智能分析系统 · 版本 {VERSION}'), SZ['header'])
    fp = sec.footer.paragraphs[0]
    fp.alignment = WD_ALIGN_PARAGRAPH.CENTER
    set_run(fp.add_run('第 '), SZ['header'])
    add_field(fp, 'PAGE', '1')
    set_run(fp.add_run(' 页 / 共 '), SZ['header'])
    add_field(fp, 'NUMPAGES', '1')
    set_run(fp.add_run(' 页'), SZ['header'])


def appendix_spec(doc):
    para(doc, '附：排版规范（字体字号分类）', size=SZ['h1'], ea=HEI, bold=True, align='left',
         space_before=12, space_after=8)
    para(doc, '本文件与同批交付的另外两份文档由同一个渲染器生成，字体字号分类完全一致；'
              '中文用黑体（标题）/宋体（正文），西文与数字用 Times New Roman。', align='justify',
         indent_chars=2)
    add_table(doc, [['元素', '字体', '字号', '对齐 / 缩进']] + [list(r) for r in SPEC_ROWS])


def build(key: str) -> int:
    spec = DOCS[key]
    src = ROOT / spec['src'].format(v=VERSION)
    out = ROOT / spec['out'].format(v=VERSION)
    if not src.exists():
        WARN.append(f'源件缺件: {src.relative_to(ROOT).as_posix()}')
        print(f'✗ {key}: 源件不在位 {src}')
        return 5
    blocks = parse_md(src.read_text(encoding='utf-8'))
    doc = Document()
    style_setup(doc)
    cover(doc, spec['title'], spec['subtitle'])
    toc(doc)
    ntab = render_blocks(doc, blocks, ROOT / 'docs')
    appendix_spec(doc)
    header_footer(doc, spec['title'])
    out.parent.mkdir(parents=True, exist_ok=True)
    doc.save(out)
    st = count_md(src.read_text(encoding='utf-8'))
    print('%s → %s（%d 章 · %d 节 · %d 表 · %d 图 · 约 %d 汉字 · %.0f KB）'
          % (key, out.relative_to(ROOT).as_posix(), st['章'], st['节'], max(ntab, st['表']), st['图'],
             st['汉字'], out.stat().st_size / 1024))
    return 0


def verify_docx(key: str) -> int:
    """回读渲染结果自检（交付前必跑）：计数 + 残留 markdown 标记 + 域 + 字体。"""
    spec = DOCS[key]
    out = ROOT / spec['out'].format(v=VERSION)
    if not out.is_file():
        print('✗ %-4s 不在位 %s' % (key, out.relative_to(ROOT).as_posix()))
        return 5
    doc = Document(str(out))
    texts = [p.text for p in doc.paragraphs]
    cells = [c.text for t in doc.tables for r in t.rows for c in r.cells]
    anti = chr(96)
    # ★行内代码里的字面量不算残留（实逮: `` `pitch/**` `` 是 glob 通配路径，Word 里就该原样显示）。
    mono, plain = [], []
    for p in doc.paragraphs:
        for r in p.runs:
            (mono if (r.font.name or '').startswith('Consolas') else plain).append(r.text)
    for t in doc.tables:
        for row in t.rows:
            for c in row.cells:
                for p in c.paragraphs:
                    for r in p.runs:
                        (mono if (r.font.name or '').startswith('Consolas') else plain).append(r.text)
    allt = '\n'.join(texts + cells)
    body = '\n'.join(plain)
    heads = [p.text for p in doc.paragraphs if p.style.name.startswith('Heading')]
    residual = dict(反引号=body.count(anti), 星号=body.count('**'), 管道=body.count(' | '),
                    代码内字面星号='\n'.join(mono).count('**'))
    foot = doc.sections[0].footer.paragraphs[0]._p.xml
    head = doc.sections[0].header.paragraphs[0].text
    ok_field = ('TOC' in doc.element.xml) and ('PAGE' in foot) and ('NUMPAGES' in foot)
    # 只把"正文里残留的 markdown 标记"判为不合格；代码内的字面星号是内容本身（glob 通配），只报数。
    bad = [k for k, v in residual.items() if v and k != '代码内字面星号']
    leak = forbidden_hits(allt + '\n' + head)          # ★对外件不得出现样本场标识
    strict = strict_hits(allt) if spec.get('strict_terms') else {}   # ★数据要求说明: 去实现细节/去现状
    # ★表号断链检查（2026-09-22 实逮）: 正文写「见表 9-2」，文档里就必须真有「表 9-2」。
    cap_labels = set()
    for p in doc.paragraphs:
        mm = re.match(r'^表\s*([\dA-Za-z]+)\s*[-–—]\s*(\d+)', p.text.strip())
        if mm:
            cap_labels.add(f'{mm.group(1)}-{mm.group(2)}')

    def _refs(text: str) -> set:
        """正文里的「表 X-Y」引用。

        ★两处实逮的误报都要挡：① `年-月`（'报表 2026-09'）；② **跨单元格拼接** —— 把表格单元用换行
        连起来后, "…如实空表" + "FR-18 至 FR-21" 会拼出 '表\\nFR-18'，被当成表号。故分隔符只许空格/制表符。
        """
        out = set()
        for a, b in re.findall(r'表[ \t]*([\dA-Za-z]+)[ \t]*[-–—][ \t]*(\d+)', text):
            if re.fullmatch(r'(19|20)\d{2}', a):
                continue
            out.add(f'{a}-{b}')
        return out

    refs = _refs('\n'.join(
        [p.text for p in doc.paragraphs
         if not re.match(r'^(表|图)\s*[\dA-Za-z]+\s*[-–—]\s*\d+', p.text.strip())] + cells))
    broken = sorted(refs - cap_labels)
    noref = sorted(cap_labels - refs)
    print('%-4s %-38s 段落 %3d · 表 %2d · 图 %2d · 标题 %2d · 页眉 %r'
          % (key, out.name, len(doc.paragraphs), len(doc.tables), len(doc.inline_shapes),
             len(heads), head[:28]))
    print('      域(目录/页码): %s · 残留标记: %s · 去标识化: %s%s · 表号: %s'
          % ('OK' if ok_field else '缺', bad or '无',
             'clean' if not leak else '泄漏 %s' % leak,
             '' if not spec.get('strict_terms') else
             ' · 去实现细节: %s' % ('clean' if not strict else '命中 %s' % strict),
             '断链 %s' % broken if broken else '引用闭合（表 %d 张，%d 张无引用）' % (len(cap_labels), len(noref))))
    return 0 if ok_field and not bad and not leak and not broken and not strict else 5


def main() -> int:
    ap = argparse.ArgumentParser()
    ap.add_argument('--only', choices=sorted(DOCS))
    ap.add_argument('--check', action='store_true', help='只体检源件与图，不渲染')
    ap.add_argument('--verify', action='store_true', help='渲染后回读自检（计数/残留标记/域）')
    ap.add_argument('--spec', action='store_true', help='打印排版规范表')
    a = ap.parse_args()
    if a.spec:
        for row in SPEC_ROWS:
            print(' | '.join(row))
        return 0
    rc = 0
    if a.verify:
        for k in ([a.only] if a.only else sorted(DOCS)):
            rc = max(rc, verify_docx(k))
        return rc
    if a.check:
        for k, spec in DOCS.items():
            src = ROOT / spec['src'].format(v=VERSION)
            if not src.exists():
                print('✗ %-4s 源件不在位 %s' % (k, src.relative_to(ROOT).as_posix()))
                rc = 5
                continue
            st = count_md(src.read_text(encoding='utf-8'))
            _src_txt = src.read_text(encoding='utf-8')
            miss, leak = [], forbidden_hits(_src_txt)
            strict = strict_hits(_src_txt) if spec.get('strict_terms') else {}
            for _cap, rel in re.findall(r'!\[([^\]]*)\]\(([^)]+)\)', _src_txt):
                f = ROOT / 'docs' / rel.split('figures/')[-1]
                if not (ROOT / 'docs' / 'figures' / rel.split('figures/')[-1]).exists():
                    miss.append(rel)
            print('%-4s 章 %2d · 节 %2d · 小节 %2d · 表 %2d · 图 %2d · 约 %5d 汉字 · 去标识化 %s%s%s'
                  % (k, st['章'], st['节'], st['小节'], st['表'], st['图'], st['汉字'],
                     'clean' if not leak else '泄漏 %s' % leak,
                     '' if not spec.get('strict_terms') else
                     ' · 去实现细节 %s' % ('clean' if not strict else '命中 %s' % strict),
                     '' if not miss else '  ✗ 缺图 %d: %s' % (len(miss), ', '.join(miss))))
            if miss or leak or strict:
                rc = 5
        return rc
    for k in ([a.only] if a.only else sorted(DOCS)):
        rc = max(rc, build(k))
    if WARN:
        print('\n告警:')
        for w in sorted(set(WARN)):
            print(' -', w)
    return rc


if __name__ == '__main__':
    raise SystemExit(main())