秦建軍，王智勇，劉雯晶，柳戌昊，魯騫陽

(四川省科學(xué)技術(shù)信息研究所，四川 成都 610011)

0 引言

科技報(bào)告是科技人員為了描述其從事科研、設(shè)計(jì)、工程、試驗(yàn)和鑒定等活動(dòng)的過程、進(jìn)展和結(jié)果，按照規(guī)定格式編寫而成的具有重要參考利用價(jià)值的特殊文獻(xiàn)[1]?！翱萍紙?bào)告編寫規(guī)則”對(duì)科技報(bào)告的構(gòu)成、編排格式及技術(shù)內(nèi)容提出了統(tǒng)一要求，是規(guī)范科技報(bào)告質(zhì)量管理的核心標(biāo)準(zhǔn)之一[2]。我國(guó)于2013年啟動(dòng)了科技報(bào)告工作[3]；為使科技報(bào)告編寫正規(guī)化、規(guī)范化，2014年我國(guó)修訂完善了科技報(bào)告標(biāo)準(zhǔn)。廣大科研人員基本都能遵循最新版《科技報(bào)告編寫規(guī)則》(GB/T 7713.3-2014)[4]編寫科技報(bào)告。

在長(zhǎng)期的科技報(bào)告審核工作中發(fā)現(xiàn)，廣大科研人員的科技報(bào)告質(zhì)量逐年提升，內(nèi)容詳實(shí)，但格式排版仍舊是一大痛點(diǎn)，審核人員后期花費(fèi)了大量時(shí)間處理科技報(bào)告的格式排版。為解決這一難題，減輕簡(jiǎn)單重復(fù)的工作量，進(jìn)一步提高審核效率，發(fā)揮信息技術(shù)的優(yōu)勢(shì)結(jié)合計(jì)算機(jī)技術(shù)，研發(fā)了一款科技報(bào)告應(yīng)用軟件。

1 需求分析

1.1 問題分析

《科技報(bào)告編寫規(guī)則》規(guī)定，報(bào)告正文為5號(hào)宋體、1.5倍行距；各級(jí)目錄標(biāo)題為5號(hào)黑體、1.5倍行距；圖下方的圖題注、表上方的表題注均為5號(hào)黑體、1.5倍行距；圖和表的注釋為小5號(hào)宋體；表中文字為小5號(hào)宋體。目前，科研人員提交的科技報(bào)告內(nèi)容具體充實(shí)，但排版格式?jīng)]有遵循這些規(guī)則，不利于科技報(bào)告的標(biāo)準(zhǔn)化和規(guī)范化。

1.2 技術(shù)分析

從技術(shù)角度看，科技報(bào)告的Word內(nèi)容，由大綱目錄、正文文字、圖形、表格、頁眉頁腳等主要元素組成。需要處理格式的主要元素如圖1所示。

圖1 科技報(bào)告排版主要元素

2 研發(fā)思路和技術(shù)選型

2.1 研發(fā)思路

1)處理節(jié)。Word文檔主要由節(jié)(section)和段落(paragraph)組成，一個(gè)“分節(jié)符(下一頁)”為一節(jié)，每一節(jié)的頁腳和頁眉可以不同?？萍紙?bào)告的“目錄”“插圖清單”“附表清單”與后面的正文內(nèi)容之間需要添加“分節(jié)符(下一頁)”，正文內(nèi)容與“承諾書”之間也需要添加分節(jié)符(下一頁)。通過循環(huán)不同節(jié)添加頁碼并設(shè)置不同的頁碼格式，同時(shí)刪除“承諾書”的頁碼。

2)處理段落。段落包含了目錄大綱段落、純文字段落、圖文混排段落、圖形、表格數(shù)據(jù)等。通過循環(huán)每一段落，判斷哪些段落是大綱、普通文字、圖文混排、圖形和表格數(shù)據(jù)，判斷時(shí)排除圖形段落和表格數(shù)據(jù)，后期單獨(dú)處理。普通文字、圖文混排段落用5號(hào)宋體、1.5倍行間距、首行縮進(jìn)2個(gè)字符。

3)處理圖題注和表題注。圖題注和表題注本質(zhì)上仍是段落，但在科技報(bào)告中，圖題注和表題注用5號(hào)黑體，需要單獨(dú)識(shí)別，識(shí)別原則是段落起始字符是“圖”或“表”，緊接著是阿拉伯?dāng)?shù)字序號(hào)，并且段落最后一個(gè)字符不能是阿拉伯?dāng)?shù)字，這是為了與“插圖清單”“附表清單”中的文字區(qū)分開來，“插圖清單”“附表清單”中的文字用5號(hào)宋體，其中每一段落后面是頁碼(阿拉伯?dāng)?shù)字)。個(gè)別段落可能符合圖題注和表題注的特征，但不是真實(shí)的圖題注和表題注，程序可能會(huì)錯(cuò)誤格式化，但總體上不會(huì)受影響，個(gè)別情況須人工干預(yù)。

4)處理圖形和表格。圖形和表格本質(zhì)上仍是段落，大部分圖形是單獨(dú)的段落，個(gè)別圖片置于文字中混排。單獨(dú)的圖片易于處理，圖文混排則需要判斷圖片高度，通?；炫胖械膱D片高度不會(huì)太高。

表格中每一單元格的數(shù)據(jù)都是一個(gè)段落，Word中可以統(tǒng)一設(shè)置表格的格式，而無需設(shè)置每一單元格的格式。行高和列寬根據(jù)內(nèi)容自適應(yīng)，不用單獨(dú)設(shè)置，不用考慮跨行和跨列。

2.2 技術(shù)選型

Word處理耗費(fèi)計(jì)算機(jī)資源，一篇科技報(bào)告至少有數(shù)頁內(nèi)容，如果把Word排版功能放在服務(wù)器上執(zhí)行，會(huì)嚴(yán)重降低服務(wù)器運(yùn)行效率，影響用戶體驗(yàn)。因此，優(yōu)先考慮基于單機(jī)版開發(fā)科技報(bào)告格式化處理軟件。

開發(fā)語言采用Python，Python語言具有簡(jiǎn)潔性、易讀性以及可擴(kuò)展性，Python的擴(kuò)展庫(kù)相當(dāng)豐富。處理Word的接口庫(kù)Win32com功能強(qiáng)大，完全滿足科技報(bào)告排版功能的要求；單機(jī)版用戶UI采用Tkinter的GUI工具包，方便用戶操作。

3 技術(shù)實(shí)現(xiàn)

3.1 開發(fā)環(huán)境搭建

安裝Anaconda3.7，Anaconda是開源的Python解釋器，其包含了Conda、Python等180多個(gè)科學(xué)包及其依賴項(xiàng)；安裝win32com和Tkinter工具包；程序代碼打包成可執(zhí)行文件(exe)需要安裝Pyinstaller。

3.2 實(shí)現(xiàn)邏輯(見圖2)

1)樣式設(shè)置。程序在格式化處理時(shí)，先修改Word樣式庫(kù)中的正文樣式：5號(hào)宋體、1.5倍行距、首行縮進(jìn)2個(gè)字符。正文樣式必須放在所有樣式最前面其他樣式才有效。然后依次增加樣式：科技報(bào)告圖片、科技報(bào)告表格數(shù)據(jù)、圖題注、表題注、標(biāo)題1至標(biāo)題7、清單名稱。添加樣式后打開Word時(shí)樣式庫(kù)可見。每一種樣式遵循科技報(bào)告規(guī)范，后面處理段落時(shí)根據(jù)段落類型使用相應(yīng)的樣式，做到統(tǒng)一規(guī)范。實(shí)現(xiàn)代碼樣例如下。

imgStyle=False#圖片

for i in range(1，doc.Styles.Count):#判斷doc中存在樣式

if doc.Styles(i).NameLocal==“科技報(bào)告圖片”:

imgStyle=True

if imgStyle==False:

doc.Styles.Add(“科技報(bào)告圖片”)

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.TabStops.ClearAll()

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.LeftIndent=0 #左縮

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.FirstLineIndent=0 #首行縮進(jìn)

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.CharacterUnitLeftIndent=0

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.CharacterUnitFirstLineIndent=0 # 首行縮進(jìn)

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.Alignment=1 #012左中右

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.Space15() #行間距1.5倍

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.DisableLineHeightGrid=True # 段落中的字符與行網(wǎng)格對(duì)齊

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.SpaceBefore=0

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.SpaceAfter=0

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.AutoAdjustRightIndent=False

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.LineUnitBefore=0

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.LineUnitAfter=0

doc.Styles(“科技報(bào)告圖片”).ParagraphFormat.MirrorIndents=False

圖2 程序?qū)崿F(xiàn)總體邏輯

2)段落處理。循環(huán)所有段落，排除表格數(shù)據(jù)，剔除段落中的空格，再分別判斷處理。①根據(jù)OutlineLevel判斷段是否是大綱目錄，如果是大綱目錄則根據(jù)標(biāo)題的層級(jí)使用標(biāo)題樣式(標(biāo)題1～標(biāo)題7)。大綱目錄使用Word內(nèi)置模板——多級(jí)列表第5種模板。部分科技報(bào)告是作者手工添加的目錄層級(jí)，這種目錄并沒有出現(xiàn)在大綱列表中，軟件會(huì)自動(dòng)識(shí)別，生成Word大綱目錄。②普通正文段落則使用正文樣式，圖文混排也須應(yīng)用正文樣式。③如果段落文字以“表+序號(hào)”或“圖+序號(hào)”則判斷是否是題注，表題注使用“表題注”樣式，圖題注使用“圖題注”樣式。

3)圖片與表格處理。①循環(huán)所有圖片(InlineShapes)，排除圖文混排段落，再應(yīng)用“科技報(bào)告圖片”樣式。②循環(huán)所有表格，再應(yīng)用“科技報(bào)告表格數(shù)據(jù)”樣式。

4)更新目錄。科技報(bào)告中有大綱目錄(TablesOfContents)、插圖清單(TablesOfFigures)和附表清單(TablesOfFigures)3種目錄，程序更新目錄內(nèi)容和頁碼，并設(shè)置字體、字號(hào)、行間距和懸掛2字符。

5)頁眉頁腳處理。①循環(huán)所有節(jié)(section)，刪除頁眉。②循環(huán)所有節(jié)(section)，設(shè)置頁腳中的頁碼樣式。

6)合并承諾書。部分科技報(bào)告沒有承諾書，需要軟件自動(dòng)合并一個(gè)承諾書，并刪除頁碼信息。

3.3 程序編譯

運(yùn)用Pyinstaller工具打包，生成一個(gè)可執(zhí)行文件。打包代碼：pyinstaller.exe--onefile--windowed 科技報(bào)告.py-p D:ProgramDataAnaconda3，運(yùn)行后，在dist目錄生成文件“科技報(bào)告.exe”。運(yùn)行程序如圖3所示。

圖3 軟件運(yùn)行圖

4 應(yīng)用效果測(cè)試

格式化10頁以內(nèi)的科技報(bào)告需要2～3 min，圖片和表格少的科技報(bào)告可能2 min以內(nèi)完成格式化；格式化100多頁的科技報(bào)告可能需要30多分鐘。當(dāng)然，軟件運(yùn)行效率與電腦的配置密切相關(guān)。軟件排版后的科技報(bào)告，再由人工處理，與傳統(tǒng)的人工處理方式相比，節(jié)省大概一半的時(shí)間。

5 問題探討

本軟件還有不足之處，表現(xiàn)在：①大綱目錄自動(dòng)化生成后，保留了原文檔作者手工編寫的目錄序號(hào)，雖方便審核人員對(duì)照，但需要人工刪除序號(hào)。②圖題注和表題注識(shí)別可能存在個(gè)別錯(cuò)誤，需要人工干預(yù)。

軟件采用循環(huán)段落的方式，無法考慮上下文關(guān)聯(lián)，降低了需要格式化內(nèi)容的識(shí)別率，如果能把所有段落放在一個(gè)大數(shù)組中，再循環(huán)數(shù)組，判別前后文關(guān)聯(lián)關(guān)系，就能提高識(shí)別率，但此方法大大增加了電腦負(fù)荷，降低運(yùn)行效率，期待更佳方案。