处理跨行的文本匹配失败的问题

mcp_docx.py

@@ -198,17 +198,78 @@ def replace_image(unpacked_dir, index, new_image_path):
 
 
 def paragraph_replace(para_el, replacements):
-    """在 <w:t> 层面替换文本，完全不碰图片和格式"""
+    """
-    for t_el in para_el.iter(f'{{{W}}}t'):
+    在段落级别替换文本，支持跨 <w:t> 元素的匹配。
-        if not t_el.text:
+
-            continue
+    策略：
-        new_text = t_el.text
+    1. 收集段落中所有 <w:t> 元素及其文本
-        for old, new in replacements:
+    2. 拼接成完整文本进行替换
-            new_text = new_text.replace(old, new)
+    3. 如果有替换发生，重新分配文本到原有的 <w:t> 元素中
-        if new_text != t_el.text:
+    """
-            t_el.text = new_text
+    # 收集所有 run 元素（<w:r>），保持顺序
-            if new_text and (new_text[0] == ' ' or new_text[-1] == ' '):
+    runs = list(para_el.findall(f'.//{{{W}}}r'))
-                t_el.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
+    if not runs:
+        return
+
+    # 收集所有文本元素及其位置信息
+    t_elements = []
+    for run in runs:
+        for t_el in run.findall(f'{{{W}}}t'):
+            t_elements.append((run, t_el))
+
+    if not t_elements:
+        return
+
+    # 拼接完整文本
+    full_text = ''.join(t_el.text or '' for _, t_el in t_elements)
+    original_text = full_text
+
+    # 执行所有替换
+    for old, new in replacements:
+        if old in full_text:
+            full_text = full_text.replace(old, new)
+
+    # 如果没有变化，直接返回
+    if full_text == original_text:
+        return
+
+    print(f"段落替换: {len(original_text)} -> {len(full_text)} 字符")
+
+    # 将新文本重新分配到原有的 <w:t> 元素中
+    # 策略：尽量保持原有的文本分布比例
+    if len(t_elements) == 1:
+        # 只有一个 <w:t> 元素，直接替换
+        _, t_el = t_elements[0]
+        t_el.text = full_text
+        if full_text and (full_text[0] == ' ' or full_text[-1] == ' '):
+            t_el.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
+    else:
+        # 多个 <w:t> 元素：按原始长度比例分配新文本
+        original_lengths = [len(t_el.text or '') for _, t_el in t_elements]
+        total_original = sum(original_lengths)
+
+        if total_original == 0:
+            # 原始都是空的，把所有文本放到第一个元素
+            t_elements[0][1].text = full_text
+            for i in range(1, len(t_elements)):
+                t_elements[i][1].text = ''
+        else:
+            # 按比例分配
+            pos = 0
+            for i, (_, t_el) in enumerate(t_elements):
+                if i == len(t_elements) - 1:
+                    # 最后一个元素，取剩余所有文本
+                    chunk = full_text[pos:]
+                else:
+                    # 按比例计算应该分配的长度
+                    ratio = original_lengths[i] / total_original
+                    chunk_len = int(len(full_text) * ratio)
+                    chunk = full_text[pos:pos + chunk_len]
+                    pos += chunk_len
+
+                t_el.text = chunk
+                if chunk and (chunk[0] == ' ' or chunk[-1] == ' '):
+                    t_el.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
 
 
 def ensure_rpr(run_el):