AIclinicalresearch/extraction_service/services/doc_export_service.py

"""
文档导出服务 - Markdown 转 Word

功能：
- Markdown → Docx 转换（使用 Pandoc）
- 支持自定义 Word 模板（Reference Doc）
- 保证输出格式符合伦理委员会要求
"""

import os
import tempfile
from pathlib import Path
from typing import Optional
from loguru import logger

# 尝试导入 pypandoc
try:
    import pypandoc
    PANDOC_AVAILABLE = True
except ImportError:
    PANDOC_AVAILABLE = False
    logger.warning("pypandoc 未安装，Word 导出功能不可用")


# 模板目录
ASSETS_DIR = Path(__file__).parent / "assets"
DEFAULT_TEMPLATE = ASSETS_DIR / "protocol_template.docx"


def check_pandoc_available() -> dict:
    """
    检查 Pandoc 是否可用
    
    Returns:
        {
            "available": bool,
            "version": str,
            "message": str
        }
    """
    if not PANDOC_AVAILABLE:
        return {
            "available": False,
            "version": None,
            "message": "pypandoc 未安装，请运行: pip install pypandoc"
        }
    
    try:
        version = pypandoc.get_pandoc_version()
        return {
            "available": True,
            "version": version,
            "message": f"Pandoc {version} 已就绪"
        }
    except OSError as e:
        return {
            "available": False,
            "version": None,
            "message": f"Pandoc 未安装或不在 PATH 中: {str(e)}。请安装 Pandoc: https://pandoc.org/installing.html"
        }


def convert_markdown_to_docx(
    markdown_text: str,
    output_path: Optional[str] = None,
    use_template: bool = True,
    template_path: Optional[str] = None
) -> dict:
    """
    将 Markdown 文本转换为 Word 文档
    
    Args:
        markdown_text: Markdown 格式的文本
        output_path: 输出文件路径（可选，不提供则创建临时文件）
        use_template: 是否使用模板
        template_path: 自定义模板路径（可选）
    
    Returns:
        {
            "success": bool,
            "output_path": str,  # 生成的文件路径
            "file_size": int,    # 文件大小（字节）
            "message": str,
            "error": str         # 仅在失败时存在
        }
    """
    # 检查 Pandoc 可用性
    pandoc_status = check_pandoc_available()
    if not pandoc_status["available"]:
        return {
            "success": False,
            "output_path": None,
            "file_size": 0,
            "message": pandoc_status["message"],
            "error": "Pandoc 不可用"
        }
    
    try:
        # 确定输出路径
        if output_path is None:
            # 创建临时文件
            fd, output_path = tempfile.mkstemp(suffix='.docx')
            os.close(fd)
        
        # 构建 Pandoc 参数
        extra_args = []
        
        # 使用模板
        if use_template:
            if template_path and Path(template_path).exists():
                extra_args.append(f'--reference-doc={template_path}')
            elif DEFAULT_TEMPLATE.exists():
                extra_args.append(f'--reference-doc={DEFAULT_TEMPLATE}')
                logger.info(f"使用默认模板: {DEFAULT_TEMPLATE}")
            else:
                logger.warning("未找到 Word 模板，将使用 Pandoc 默认样式")
        
        # 注意：不自动添加目录（TOC），因为：
        # 1. Pandoc 的 TOC 标题是 "Table of Contents"，不符合中文要求
        # 2. 研究方案正文已有章节结构，无需额外目录
        # 如需目录，用户可在 Word 中手动插入
        # extra_args.append('--toc')
        # extra_args.append('--toc-depth=3')
        
        logger.info(f"开始转换 Markdown → Docx, 文本长度: {len(markdown_text)} 字符")
        
        # 执行转换
        pypandoc.convert_text(
            markdown_text,
            'docx',
            format='markdown',
            outputfile=output_path,
            extra_args=extra_args
        )
        
        # 获取文件大小
        file_size = os.path.getsize(output_path)
        
        logger.info(f"转换成功: {output_path}, 大小: {file_size} bytes")
        
        return {
            "success": True,
            "output_path": output_path,
            "file_size": file_size,
            "message": f"成功生成 Word 文档 ({file_size} bytes)"
        }
        
    except Exception as e:
        logger.error(f"Markdown → Docx 转换失败: {str(e)}")
        return {
            "success": False,
            "output_path": None,
            "file_size": 0,
            "message": "转换失败",
            "error": str(e)
        }


def create_protocol_docx(
    sections: dict,
    output_path: Optional[str] = None,
    title: str = "临床研究方案"
) -> dict:
    """
    根据分章节内容生成研究方案 Word 文档
    
    Args:
        sections: 章节内容字典
            {
                "title": "研究题目",
                "background": "研究背景内容...",
                "objectives": "研究目的内容...",
                ...
            }
        output_path: 输出文件路径
        title: 文档标题
    
    Returns:
        转换结果
    """
    # 章节配置（顺序和标题）
    section_config = [
        ("title", "1. 研究题目"),
        ("background", "2. 研究背景与立题依据"),
        ("objectives", "3. 研究目的"),
        ("design", "4. 研究设计"),
        ("subjects", "5. 研究对象（纳入/排除标准）"),
        ("sample_size", "6. 样本量估算"),
        ("implementation", "7. 研究实施步骤与技术路线"),
        ("endpoints", "8. 观察指标"),
        ("data_management", "9. 数据管理与质量控制"),
        ("safety", "10. 安全性评价"),
        ("statistics", "11. 统计分析计划"),
        ("ethics", "12. 伦理与知情同意"),
        ("timeline", "13. 研究时间表"),
        ("references", "14. 参考文献"),
    ]
    
    # 组装 Markdown
    markdown_parts = [f"# {title}\n\n"]
    
    for key, heading in section_config:
        content = sections.get(key, "")
        if content:
            markdown_parts.append(f"## {heading}\n\n{content}\n\n")
    
    markdown_text = "".join(markdown_parts)
    
    return convert_markdown_to_docx(markdown_text, output_path)


# 导出函数
__all__ = [
    "check_pandoc_available",
    "convert_markdown_to_docx",
    "create_protocol_docx",
]