Chaim
bfec8bdaa3
All checks were successful
Build & Deploy / build-and-deploy (push) Successful in 6s
Documents the rules and decisions behind building DOCX files from דפנה's
decision template (טיוטת החלטה.dotx). The implementation lives in
mcp-server/src/legal_mcp/services/analysis_docx_exporter.py; this skill
captures the "why" so future improvements don't need to rediscover it.
Contents:
SKILL.md 5 critical rules, style mapping table,
export flow, line classification,
dash policy, placeholder handling,
troubleshooting, future TODOs
references/dotx-to-docx.md why python-docx can't open .dotx +
the conversion recipe
references/rtl-runs.md why <w:rtl/> is required on every run
(otherwise Hebrew falls back to
Times New Roman)
references/style-mapping.md XML dump of every template style,
with the Title-via-theme gotcha
references/line-classification.md the 7 regex categories in
_classify_line() with real examples
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
116 lines
4.6 KiB
Markdown
116 lines
4.6 KiB
Markdown
# סיווג שורות — `_classify_line()`
|
|
|
|
כל שורה של content מה-MD עוברת דרך `_classify_line()` שמחזירה
|
|
`(kind, clean_text)`. הקטגוריה מכתיבה איזה סגנון Word יוחל.
|
|
|
|
## טבלת הקטגוריות
|
|
|
|
| kind | regex | clean_text | נמפה ל-style |
|
|
|------|--------|-----------|--------------|
|
|
| `label_heading` | `^\s*\*\*([^\n*]+?):\*\*\s*$` | `"$1"` | `Heading 2` |
|
|
| `label_heading` (plain) | `^\s*([^\n:]{2,40}):\s*$` | `"$1"` | `Heading 2` |
|
|
| `inline_label` | `^\s*\*\*([^\n*]+?):\*\*\s+(.+)$` | `"$1\x00$2"` | `Normal` + bold label + value |
|
|
| `numbered` | `^\s*(\d+)[.)]\s+(.+)$` | `"$2"` | `List Paragraph` |
|
|
| `bullet` | `^\s*[\-\u2022\*\u25CF\u25E6]\s+(.+)$` | `"$1"` | `Normal` (marker stripped) |
|
|
| `heb_letter` | `^\s*\([א-ת]\)\s+` | **full line** (marker kept) | `List Paragraph` + `_strip_numpr()` |
|
|
| `plain` | fallback | line | `Normal` |
|
|
|
|
## סדר הבדיקות (חשוב!)
|
|
|
|
```
|
|
1. STANDALONE_LABEL_RE (**X:**)
|
|
2. INLINE_LABEL_RE (**X:** value)
|
|
3. NUMBERED_LINE_RE (1. X)
|
|
4. BULLET_LINE_RE (- X) + re-check inside:
|
|
4a. STANDALONE inside → label_heading
|
|
4b. INLINE inside → inline_label
|
|
5. HEB_LETTER_LINE_RE ((א) X)
|
|
6. PLAIN_LABEL_RE (X:) — last because it's broad
|
|
7. plain
|
|
```
|
|
|
|
## דוגמאות מהשטח
|
|
|
|
### input: `- **נקודות פתוחות:**`
|
|
- `BULLET_LINE_RE` תופס → `inner = "**נקודות פתוחות:**"`
|
|
- `STANDALONE_LABEL_RE` על ה-inner → `label_heading`, text = `"נקודות פתוחות"`
|
|
- יוצא כ-Heading 2.
|
|
|
|
### input: `- **נקודות פתוחות:** האם המקדם...`
|
|
- `BULLET_LINE_RE` תופס → inner = `"**נקודות פתוחות:** האם..."`
|
|
- `INLINE_LABEL_RE` על ה-inner → `inline_label`
|
|
- יוצא כ-Normal עם label "נקודות פתוחות:" bold + value רגיל.
|
|
|
|
### input: `1. **שאלה עקרונית:** האם נספח...`
|
|
- `NUMBERED_LINE_RE` תופס → `"**שאלה עקרונית:** האם נספח..."`
|
|
- יוצא כ-List Paragraph. ה-`**...**` בתוכו יעובד על ידי
|
|
`_add_runs_with_inline_bold()` (bold inline run).
|
|
|
|
### input: `(א) נספח הבינוי של תכנית...`
|
|
- `HEB_LETTER_LINE_RE` תופס
|
|
- יוצא כ-List Paragraph עם `_strip_numpr()` — כי המחבר כבר כתב "(א)".
|
|
|
|
### input: `העורר טוען כי:`
|
|
- לא תואם regex ספציפי
|
|
- `PLAIN_LABEL_RE` תופס (23 תווים, מסתיים ב-`:`)
|
|
- יוצא כ-Heading 2.
|
|
|
|
### input: `פסקה ארוכה: עם עוד תוכן ופסיק, וסוגיה מורכבת.`
|
|
- `PLAIN_LABEL_RE` לא תופס (יותר מ-40 תווים לפני `:`)
|
|
- נשאר `plain` → Normal.
|
|
|
|
## למה הגבלת `PLAIN_LABEL_RE` ל-`{2,40}`
|
|
|
|
בלי הגבלה, כל פסקה עם `:` במקום כלשהו הייתה הופכת ל-Heading 2. דוגמה
|
|
שצריך למנוע:
|
|
```
|
|
טענה חשובה כאן: היא שהוועדה שגתה בכל אופן.
|
|
```
|
|
אין כאן כוונה לכותרת — `:` הוא חלק ממשפט. ההגבלה ל-40 תווים מסננת את
|
|
רוב המקרים האלה כי רוב headings אמיתיים הם קצרים.
|
|
|
|
40 תווים זה ניחוש — אפשר לכוון אם מגלים false positives/negatives.
|
|
|
|
## inline bold — `_add_runs_with_inline_bold()`
|
|
|
|
אחרי סיווג, הטקסט עדיין יכול להכיל `**word**` באמצע. הפונקציה מחלקת
|
|
את המחרוזת ל-runs מתחלפים:
|
|
|
|
```
|
|
"העורר טוען **שהתוצאה** שגויה"
|
|
→ [
|
|
Run("העורר טוען ", bold=None),
|
|
Run("שהתוצאה", bold=True),
|
|
Run(" שגויה", bold=None),
|
|
]
|
|
```
|
|
|
|
כל run מסומן RTL בנפרד. יוצא ב-Word עם הדגש המקומי בלבד על המילה
|
|
`שהתוצאה`.
|
|
|
|
## השלמת התמונה
|
|
|
|
```
|
|
md content
|
|
↓ splitlines()
|
|
for line in lines:
|
|
↓ _classify_line(line)
|
|
→ (kind, clean_text)
|
|
↓ _emit_content_line(doc, line)
|
|
→ paragraph with chosen style
|
|
↓ _add_runs_with_inline_bold(paragraph, clean_text)
|
|
→ runs with inline **bold** rendered
|
|
↓ _mark_run_rtl / _mark_paragraph_rtl
|
|
→ Hebrew renders in David (cs slot)
|
|
```
|
|
|
|
## הוספת קטגוריה חדשה
|
|
|
|
אם יש דפוס שלא מזוהה ורצוי למפות אותו:
|
|
|
|
1. הוסף regex constant (למעלה בקובץ, אחרי הקיימים).
|
|
2. הוסף branch ב-`_classify_line()` לפי הסדר הנכון (ספציפי לפני כללי).
|
|
3. הוסף branch ב-`_emit_content_line()` עם הסגנון המתאים.
|
|
4. הוסף test case ב-references/line-classification.md (כאן).
|
|
5. הרץ על תיק מייצג (למשל 8070-25) וראה שהתוצאה נכונה.
|