企业官网建设流程全解析

DOCX 英译中原理

适用于DocxWorkflow+DocxTranslator+Docx2DocxExporter链路，实现在保持原始格式的前提下，将 DOCX 中的英文翻译为中文并可选的将译文插入原文下方。

整体架构

.docx 文件 │ ▼ DocxWorkflow.read_path() Document (content=bytes) │ ▼ DocxTranslator.translate() │ ├── 1. _pre_translate() → 解析 .docx → 提取文本段 ├── 2. send_segments() → 文本分片 → LLM 并发翻译 └── 3. _after_translate() → 回写译文 → 保存为 .docx bytes │ ▼ Docx2DocxExporter.export() │ ▼ Document(content=bytes) │ ▼ save_as_docx() / export_to_docx() .docx 文件（格式保留）

核心设计哲学：在 OOXML 的 XML 层操作，不依赖中间格式（不转 Markdown/HTML）。利用 XML 深拷贝保留所有格式信息，只修改文本节点的内容。

一、文档分割（如何拆解 .docx）

拆分分两个层次：文档结构的遍历和文本段的分片。

1.1 文档结构遍历

代码遍历整个文档对象树，提取所有可翻译的文本段：

body（正文区域） ├── <w:p> 段落 │ └── Run 序列 → 分组为文本段（segment） ├── <w:tbl> 表格 │ └── 单元格 <w:tc> → 递归遍历内部段落 ├── <w:sdt> 内容控件 → 递归遍历 └── 超链接/修订标记/智能标签 → 递归遍历 页眉/页脚 ├── section.header ├── section.footer ├── section.first_page_header / .first_page_footer └── section.even_page_header / .even_page_footer 脚注/尾注 ├── doc.part.footnotes_part └── doc.part.endnotes_part

遍历中的过滤规则

文本框支持

<w:txbxContent>（文本框）中的文本会被提取并翻译。常见于流程图的文字标注、侧边栏等。

1.2 文本段的粒度控制

一个段落内部通常有多个<w:r>（Run），每个 Run 有自己的格式属性。翻译时不能简单按 Run 切分，否则会破坏句子的完整性。

Run 分组策略

<w:p><w:r><w:rPr><w:b/></w:rPr><w:t>Hello</w:t></w:r><w:r><w:rPr><w:b/></w:rPr><w:t>world,