Audion DocFlow (Portable)

Содержание

• Что делает проект
• DOCX
• XLSX, CSV и Markdown
• GUI
• Launcher-слой
• Пользовательские launcher-файлы
• Service layer
• Рекомендуемый сценарий работы
• Отчёты и язык интерфейса
• Smoke-тесты
• Структура проекта
• Важные замечания
• Troubleshooting
• Лицензия
• Канонические названия Workbench

Портативный офлайн-набор для предсказуемой очистки, контроля и процессинга документов DOCX, XLSX, CSV и Markdown.

Проект приведён к стабильной portable-схеме:

• пользовательские launcher-файлы лежат в корне;
• service/build слой отделён от пользовательского меню;
• обработанные файлы пишутся в output\;
• отчёты пишутся в report\;
• временные файлы launcher-логики лежат в ._runtime\.

Текущий фокус проекта - не OCR. OCR-возможности вынесены из основного каркаса и не должны возвращаться в этот набор случайно: для OCR лучше держать отдельный специализированный проект.

Что делает проект

DOCX

• проверка качества DOCX для поиска не-чёрного цвета шрифта, подсветки, заливок, зачёркивания, комментариев и правок из режима рецензирования
• строгая проверка DOCX с ненулевым кодом для автоматических сценариев
• одношаговая финализация с итоговой проверкой
• удаление зачёркнутого текста в финальной очистке без удаления абзацев, таблиц, разрывов страниц и секций
• удаление комментариев
• попытка принять правки из режима рецензирования без ручного открытия документа
• проверка и исправление пробелов и пунктуации
• --dry-run для текстовой гигиены, чтобы увидеть план удаления временных Office-файлов и записи в output\ без изменений
• удаление непечатаемого мусора DOCX в консервативном режиме: только мягкие переносы (U+00AD и w:softHyphen); пробелы, табы, разрывы, видимые дефисы и управляющие переносами символы не трогаются
• раздел Найти и заменить: отчёт по подозрительному верхнему регистру после запятых только внутри ячеек таблиц DOCX и опциональное понижение регистра обычных слов с сохранением форматирования фрагментов Word; отчёт включает каждое срабатывание с фрагментом текста после смоделированной правки
• морфологический поиск и замена в DOCX/XLSX через pymorphy3: поиск по леммам, режимы Заменить и Добавить рядом, отчёт пробного запуска, опциональное согласование падежа заменяющей/добавляемой фразы; отчёт включает каждую замену полным предложением от точки до точки
• команды раздела Найти и заменить, которые могут менять текст, пишут гибридные отчёты: общий

сводный файл в report\ и пофайловые .md/.json в папке с тем же именем отчёта, где имена файлов совпадают с исходными документами

• стили: разведка документа перед переносом, перенос стилевой базы эталона (styles.xml, нумерация, тема, шрифты), разметка заголовков, подписей и перечней по карте заголовков, сквозная нумерация подписей и чистка XML от мусора
• DOCX anomaly inspector в разделе СТИЛИ И ГИГИЕНА: проверка без изменения документов

явных аномалий DOCX с человеческой локацией страница / раздел / Таблица N / Рисунок N; RO-слой проверяет таблицы, подписи таблиц/рисунков, секции/ориентацию, колонтитулы и нумерацию страниц, поля/оглавление/ссылки/закладки, списки/нумерацию, пустоты и заголовки; отдельная корректировка безопасных правок пишет копии в output\docx_anomaly_fixed и умеет убирать лишние пустые абзацы, снимать точную высоту строк таблиц, включать перенос текста в ячейках и опционально унифицировать границы/поля ячеек

• Глубокая гигиена DOCX в разделе СТИЛИ И ГИГИЕНА: общий двухпроходный запуск,

где Гигиена текста и правила аудита идут первым проходом, а Аномалии документа могут подключаться вторым проходом; единый отчёт docx_deep_hygiene.md/.docx/.json показывает pass-records, domain_boundaries, контракт владения классами ошибок, target_index, unified_findings, отпечатки целей/ошибок и подавленные точные дубли; будущим остаётся только отдельный морфологический слой для адресов и топонимов

• аудит правил: детерминированные корпоративные правила для кв. м, куб. м, № 1, процентов, градусов, дат без г., опечаток в названиях таблиц и режима только отчёта для РФ; операция может создавать *__annotated.docx с видимыми якорями аудита и затем снимать эти якоря после одобрения правок
• поиск похожих DOCX
• точный hash-дедупликатор внутри отчёта похожести DOCX
• diff двух DOCX без порога: по умолчанию сопоставляет разделы по похожести, затем сравнивает текст и таблицы внутри найденных пар; доступен режим сравнения по порядку документа; оглавление, media и внутренняя структура пакета не анализируются
• нативное сравнение двух DOCX через Microsoft Word COM с созданием отдельного DOCX с правками Word
• склейка DOCX через Microsoft Word COM, близко к ручной вставке документа после документа
• сшивка разрезанных таблиц Word
• Document tables unifyer: одношаговая унификация всех таблиц внутри существующего DOCX без пересборки текста документа; автоопределение шрифта основного текста, два размера по плотности таблиц, единые границы, поля ячеек по умолчанию 0,2 см, пропуск первых двух страниц, балансировка колонок и вписывание в поля разделов
• объединение совместимых DOCX-таблиц: только таблицы или таблицы с заголовками/разделами как объединёнными строками; Unifier аккуратнее сохраняет найденные многострочные и объединённые шапки, поддерживает параметр Строки перед шапкой, выбор A4/A3, ориентации и полей в миллиметрах
• оптимизация ширин DOCX-таблиц, адаптация таблиц к ориентации страницы и вписывание таблиц в текущие поля документа или заданный формат; параметр Не вписывать в поля по числу столбцов по умолчанию не трогает таблицы с 3 столбцами или меньше
• извлечение всех таблиц DOCX в XLSX с индексом
• извлечение всех медиафайлов/изображений DOCX/PPTX с индексом
• уменьшение полей ячеек таблиц DOCX до 0,1 см; для XLSX сбрасывается

доступный текстовый отступ, потому что формат XLSX не хранит настоящие внутренние поля ячеек как Word

XLSX, CSV и Markdown

• сравнение двух XLSX по вычисленным значениям
• сверка DOCX/XLSX/CSV таблиц в четыре списка
• автоподбор ключевой колонки для сверки таблиц через --auto-key
• экспорт таблиц Markdown в XLSX
• очистка незначащих строк Excel: создание XLSX-копий без полностью пустых строк и строк только из пробелов

GUI

• GUI-оболочка launcher_gui.cmd поверх существующих CLI/FZF-команд
• канонический Workbench передаёт выбранные внешнюю папку или один файл

Источник и папку Назначение непосредственно backend, без копирования в локальный input\

• цветовые темы в шапке GUI: выбранная тема хранится в config\gui_settings.yaml,

палитры и CSS-токены - в config\ui_colors.yaml; по умолчанию используется Code Темная (code_dark)

• отдельный раздел Найти и заменить для команд регистровой и

морфологической автоматизации

• отдельный раздел АУДИТ ПРАВИЛ: аудит DOCX с якорями, безопасными правками

и пробным запуском, а также снятие якорей с одного файла или пакета; кнопка ПРАВИЛА открывает папку config\rules\

• отдельный раздел СТИЛИ И ГИГИЕНА с рабочей панелью и переключателями `ГИГИЕНА

ТЕКСТА, АНОМАЛИИ ДОКУМЕНТА, СТИЛИ ДОКУМЕНТА; режимы Проверка и Корректировка подсвечены разными кантами, чекбоксы классов проверок выстроены адаптивной сеткой, а кнопка запуска находится в верхней строке справа на уровне НАЗАД`

• отдельный раздел ТАБЛИЦЫ WORD/EXCEL для DOCX-таблиц: корневая команда Унифицировать таблицы в документе, обычная сшивка и отдельное восстановление повторяемой шапки, безопасное и width-only объединение, оптимизация ширин, адаптация ориентации, вписывание и извлечение таблиц
• leaf-команды без параметров запускаются компактными тёмно-янтарными action

buttons: кнопка содержит только название, а описание расположено отдельно; параметризованные команды сохраняют формы в светлых скруглённых блоках с тёмными полями и checkbox/radio-чипами

• подсказки в GUI доступны при наведении на названия подразделов, команды и поля параметров; длинные пояснения не занимают постоянное место в панели
• XLSX-сравнение и сверка таблиц находятся в разделе Сравнение и сверка; Markdown-таблицы в XLSX и уменьшение полей ячеек находятся в Технические операции
• служебные и релизные команды остаются в launcher_tools.cmd /

builder_main.cmd и не показываются на первом экране GUI

Launcher-слой

Пользовательские launcher-файлы

• launcher_project.cmd - английский launcher
• launcher_project_ru.cmd - русский launcher

Оба launcher-файла используют одну и ту же внутреннюю логику:

• единая схема FZF + CMD fallback;
• первый экран разделён по смыслу: АУДИТ ПРАВИЛ, СТИЛИ И ГИГИЕНА,

Найти и заменить, DOCX контроль и очистка, Сравнение и сверка, ТАБЛИЦЫ WORD/EXCEL, Технические операции, Проверки;

• правила аудита отделены от стилей и текстовой гигиены;
• раздельные temp-файлы в ._runtime\:
• EN -> project_menu_en.txt, project_menu_en_res.txt
• RU -> project_menu_ru.txt, project_menu_ru_res.txt

Service layer

• builder_main.cmd - launcher для задач сборки и релиза
• launcher_tools.cmd - launcher для служебных задач

Этот слой теперь опирается на:

• install\init_folders.cmd
• install\make_release_archive.cmd
• system_core\license\
• licenses\

Рекомендуемый сценарий работы

1. Положите исходные файлы в input\.
2. Запустите launcher_project.cmd или launcher_project_ru.cmd.
3. Выберите нужный инструмент.
4. Заберите обработанные файлы из output\, отчёты - из report\.

Для окружения и релизных задач:

• используйте builder_main.cmd;
• используйте launcher_tools.cmd для service/licensing-операций.

Для GUI:

копироватьlauncher_gui.cmd

Отчёты и язык интерфейса

• Пользовательские отчёты Markdown/DOCX формируются на русском языке.
• В разделе Найти и заменить Markdown-отчёты предназначены для человека, а

JSON-отчёты являются машинным контрактом для внешнего LLM-pipeline. Сам проект LLM не вызывает: он только детерминированно собирает кандидаты, контекст и смоделированный результат правки.

• Для автоматизации инструменты проверки и отчётности поддерживают опциональный

--json-out PATH; JSON пишется UTF-8 с русскими строками без escaping.

• Технические статусы и идентификаторы (OK, PASS, FAIL, diff, SHA-256,

DOCX A/B, ключи JSON/YAML, CLI-параметры, расширения файлов, имена папок, COM, PowerShell, runtime, wheelhouse, launcher, build, release, style id Word вроде a7) сохраняются как технические значения.

• Описания сценариев переводятся по смыслу: человеческое объяснение пишется

по-русски, но фактические имена папок (input, output, report) и точные технические термины можно оставлять рядом в скобках только там, где это имя команды, файла или поля отчёта.

• В русской UI табличные термины переведены явно: pre-header - это

Строки перед шапкой, а повторяемая шапка - это строки шапки таблицы, которые Word повторяет при переносе.

• Вторичные диагностические GUI-кнопки могут оставаться сухими техническими

метками: LOGS, REPORT, CONFIG, TOOLS.

• Старые файлы в report\, созданные до обновления, не переписываются сами:

для русского отчёта нужно запустить соответствующую операцию заново.

Smoke-тесты

Быстрый smoke:

копировать& '.\runtime\python.exe' '.\tests\smoke.py' --quick

Полный smoke для набора scripted-инструментов:

копировать& '.\runtime\python.exe' '.\tests\smoke.py' --full

Структура проекта

• launcher_project.cmd, launcher_project_ru.cmd - пользовательские точки входа
• launcher_gui.cmd - GUI-оболочка проекта
• builder_main.cmd, launcher_tools.cmd - service/build точки входа
• input\ - исходные файлы
• output\ - обработанные результаты
• report\ - отчёты
• logs\ - логи
• install\ - скрипты сборки portable-среды и релиза
• system_core\ - Python-инструменты и внутренние helper-скрипты
• system_core\ui_nicegui\ - GUI-shell из portable-шаблона
• system_core\services\ - адаптеры GUI к существующим CLI-командам
• system_core\word_com\ - PowerShell/Word COM helper-скрипты
• system_core\license\ - release licensing helper-слой
• licenses\ - собранные release notices
• config\ - зарезервированная зона конфигов проекта
• config\tool_manifest.yaml - дерево команд GUI
• config\gui_settings.yaml - язык, тема GUI и GUI-only настройки
• config\ui_colors.yaml - палитры и CSS-токены цветовых тем GUI
• config\rules\rules.yaml - машинная карта правил аудита проекта
• config\rules\rules.md - разделение правил аудита на безопасные для проекта правила, AI-остаток и маршрут с якорями
• runtime\ - встроенный Python runtime
• wheelhouse\ - офлайн-колёса
• release\ - собранные релизы
• GitHub\ - публикационная документация
• ._runtime\ - temp-файлы launcher-слоя

Важные замечания

• Исходники не переписываются на месте; результаты пишутся в output\.
• Гигиена DOCX удаляет временные Office-файлы ~$* внутри выбранного input\.
• Вся работа локальная и офлайн.
• Сравнение DOCX через Word COM и склейка DOCX через Word COM требуют

установленный Microsoft Word и доступный PowerShell (system_core\powershell\pwsh.exe, pwsh.exe или Windows PowerShell).

• Папка system_core\powershell\ зарезервирована под portable PowerShell runtime;

рабочие скрипты туда не складываются.

• Сложные истории правок и нестандартные DOCX-структуры всё ещё требуют визуальной проверки в Word.

Troubleshooting

Если runtime отсутствует, используйте:

копироватьbuilder_main.cmd

или:

копироватьinstall\Build_Portable_Env_Build.cmd

Если launcher ведёт себя странно:

• сначала подтвердите UTF-8 without BOM и CRLF у .cmd

через install\Check-CmdEncoding.cmd;

• затем смотрите ._runtime\ и launcher-специфичные temp-файлы, перечисленные выше.

Лицензия

См. основной license-файл проекта, если он присутствует, и licenses\THIRD_PARTY_NOTICES.md в релизно-ориентированных сборках.

Канонические названия Workbench

Workbench использует единый публичный словарь Audion Image Tools во всех проектах. Кнопки всегда расположены и называются одинаково: Источник, Добавить файл..., Назначение, Сбросить, Удалить, Список.

Сбросить возвращает проектные input/output и не удаляет файлы; Удалить очищает текущие Источник и Назначение только после подтверждения. В английском интерфейсе точные названия: Source, Add file..., Target, Reset, Delete, List. Варианты Цель, Очистить, Destination и Clear для этих элементов Workbench не используются.