tz-file-organizer

name: tz-file-organizer description: 统战重要会议材料整理。从备份文件夹（补充材料）批量整理到年度重要会议目录，并更新Excel会议目录。触发词：整理会议材料/备份目录/补充材料/重要会议/会议目录.xlsx/台账/批量导入Excel/日期核实/文件夹命名

tz-file-organizer — 统战重要会议材料整理

从备份目录批量整理重要会议材料到年份目录，并更新Excel会议目录。

⚠️ 重要路径提醒：

• 目标目录：.../6.备份/1.重要会议/YYYY（正确）
• 易混目录：.../3.材料/1.重要会议/（不要操作）

操作前必须 ls /mnt/nfs/.../6.备份/ 确认正确路径。

Self-Evaluation Rubric（自评维度）

总分：__/100

依赖声明

必需命令： find, strings, pdftotext, tesseract 🆕 M3 可选： vision_analyze（当前模型有原生多模态视觉，处理扫描件/图片时优先使用） 必需Python库： openpyxl, zipfile（内置）, re（内置）, subprocess（内置） 运行方式： 在 venv 中执行（source venv/bin/activate）

核心路径

整理工作流（4步）

步骤1：完整扫描补充材料

输入： 补充材料目录路径 输出： 所有子文件夹列表 + 每类文件夹的内容

补充材料包含4类文件夹（缺一不可）：

1. YYYY年 — 常规年度会议
2. YYYY年相关会议材料 — 专题会议
3. YYYY全县统战工作会议 — 全县统战工作会议全套
4. YYYY年M月DD日XXX — 单场重要会议

SRC="/mnt/nfs/.../6.备份/补充材料"

# 扫描全部子文件夹
find "$SRC" -maxdepth 1 -type d | sort

# 逐类检查内容（以2024年为例）
for y in 2022 2023 2024 2025 2026; do
  for subdir in "$SRC/${y}年" "$SRC/${y}年相关会议材料" "$SRC/${y}全县统战工作会议"; do
    if [ -d "$subdir" ]; then
      echo "━━━ $(basename $subdir) ━━━"
      ls "$subdir"
    fi
  done
done

步骤2：提取并核实日期

输入： 会议文件夹路径 输出： 确认后的 月日 + 会议名称

优先级：通知"定于X月X日" > 讲话文件名日期 > 议程表日期 > 文件夹名日期

从 .docx 读日期：

import zipfile, re

def read_docx_date(path):
    with zipfile.ZipFile(path) as z:
        xml = z.read('word/document.xml').decode('utf-8')
        text = re.sub(r'<[^>]+>', '', xml)
        # 通知常用"定于12月16日"
        ding = re.findall(r'定于(\d{1,2}月\d{1,2}日)', text)
        # 正文日期"2024年12月16日"
        dates = re.findall(r'(20\d{2}年\d{1,2}月\d{1,2}日)', text)
        return ding[:1], dates[:2]

从 .doc 读日期（python-docx 无法读取 .doc）：

strings "/path/to/通知.doc" | grep -E "202[0-9]年[0-9]+月[0-9]+日" | head

从讲话文件名读日期（格式"讲话（2024年2月28日）"）：

import re
dates = re.findall(r'（(\d{4}年\d{1,2}月\d{1,2}日））', text)
# 例：（2024年2月28日）→ 提取为 2月28日

从 PDF 读日期：

# M3 优先：vision_analyze 可读 PDF 转图
pdftoppm -f 1 -l 1 -png -r 200 "/path/to/file.pdf" /tmp/pd
# 然后 vision_analyze(image_url="/tmp/pd-1.png", question="提取所有日期")
pdftotext -layout "/path/to/file.pdf" - 2>/dev/null | grep -E "月|日|202"
strings "/path/to/file.pdf" 2>/dev/null | grep -E "D:202" | head -3

OCR 图片（微信截图）：

# M3 优先：直接 vision_analyze(image_url="/path/to/img", question="提取所有文字和日期")
# 退而求其次：
tesseract /path/to/image.jpg stdout -l chi_sim 2>/dev/null | head -20

日期陷阱：

• 定于12月16日（星期五）上午9:00 → 实际是 12月16日（不用管括号内）
• 讲话文件 (2024年2月28日) → 通常就是会议日期
• 议程表 2022年8月3日 9:00 → 实际是 8月3日
• ⚠️ "1月上旬"、"8月下旬" → 日期未定，需从其他文件交叉确认

步骤3：创建目标文件夹并复制文件

输入： 步骤2的日期+名称 + 源文件 输出： 新建的目标文件夹

命名格式： 月日+会议名称，如 4月18日文旅系统联合侨联成立

同日多会： 同日不同名目分开命名：

• 1月24日教体系统联合侨联成立
• 1月24日卫健系统联合侨联成立

SRC="/mnt/nfs/.../6.备份/补充材料/2024年"
DST="/mnt/nfs/.../6.备份/1.重要会议/2024"

mkdir -p "$DST/4月18日文旅系统联合侨联成立"
cp -n "$SRC/源文件夹/"* "$DST/4月18日文旅系统联合侨联成立/" 2>/dev/null
echo "完成 ✓"

步骤4：更新Excel会议目录

输入： 新增条目列表 输出： 重新排序并编号的Excel

Excel格式：

import openpyxl

src = '/mnt/nfs/.../6.备份/会议目录.xlsx'
wb = openpyxl.load_workbook(src)
ws = wb.active

# 用"原文件夹名称"(列E)去重，防止同日多会误合并
seen_folders = set()
valid_rows = []
for row in ws.iter_rows(min_row=2, values_only=True):
    if row[0] is not None and isinstance(row[0], int):
        folder = row[4]
        if folder not in seen_folders:
            seen_folders.add(folder)
            valid_rows.append(list(row))

# 新增条目：(序号留空, 年份, MM.DD, 会议名称, YYYY.MM.DD_名称, 备注)
new_entries = [
    (None, '2024', '04.18', '文旅系统联合侨联成立', '2024.04.18_文旅系统联合侨联成立', None),
]

for e in new_entries:
    if e[4] not in seen_folders:
        seen_folders.add(e[4])
        valid_rows.append(list(e))

# 按年份+MM.DD排序
def sort_key(row):
    year = int(row[1])
    mmdd = row[2]  # '04.18'
    month = int(mmdd.split('.')[0])
    day = int(mmdd.split('.')[1])
    return (year, month, day)

valid_rows.sort(key=sort_key)

# 重新编号
for i, row in enumerate(valid_rows, start=1):
    row[0] = i

# 重建工作表
while ws.max_row > 1:
    ws.delete_rows(ws.max_row)

headers = ['序号', '年份', '开会日期', '会议名称', '原文件夹名称', '备注']
for col, h in enumerate(headers, 1):
    ws.cell(row=1, column=col, value=h)

for i, row_data in enumerate(valid_rows, start=2):
    for col, val in enumerate(row_data, 1):
        ws.cell(row=i, column=col, value=val)

wb.save(src)
print(f"已写入 {len(valid_rows)} 条记录 ✓")

日期核实（步骤2的核心）

必须从通知的"定于"字段提取真实开会日期，不能用文件夹名或修改时间。

import zipfile, re, subprocess, os

def get_dates_from_folder(folder_path):
    """从文件夹内所有文件提取日期信息，用于交叉验证"""
    for fname in sorted(os.listdir(folder_path)):
        path = f'{folder_path}/{fname}'
        if not os.path.isfile(path):
            continue
        try:
            if fname.endswith('.docx'):
                with zipfile.ZipFile(path) as z:
                    content = z.read('word/document.xml').decode('utf-8')
                    clean = re.sub(r'<[^>]+>', '', content)
                    ding = re.findall(r'定于(\d{1,2}月\d{1,2}日)', clean)
                    dates = re.findall(r'(20\d{2}年\d{1,2}月\d{1,2}日)', clean)
                    yield fname, ding, dates
            elif fname.endswith('.doc'):
                result = subprocess.run(['strings', path], capture_output=True, timeout=5)
                text = result.stdout.decode('utf-8', errors='ignore')
                ding = re.findall(r'定于(\d{1,2}月\d{1,2}日)', text)
                dates = re.findall(r'(20\d{2}年\d{1,2}月\d{1,2}日)', text)
                yield fname, ding, dates
        except:
            pass

# 使用示例
ROOT = '/mnt/nfs/.../6.备份/1.重要会议/2024'
for fname in os.listdir(ROOT):
    folder = f'{ROOT}/{fname}'
    print(f"【{fname}】")
    for fn, ding, dates in get_dates_from_folder(folder):
        if ding or dates:
            print(f"  通知日期={ding[:1]}, 正文日期={dates[:1]}")

历史错误记录（已核实）：

验证步骤

# 1. 检查各年份文件夹数量
for y in 2022 2023 2024 2025 2026; do
  echo "=== $y ==="
  ls /mnt/nfs/.../6.备份/1.重要会议/$y/ | wc -l
done

# 2. 检查Excel行数
python3 -c "
import openpyxl
wb = openpyxl.load_workbook('/mnt/nfs/.../6.备份/会议目录.xlsx')
ws = wb.active
print(f'Excel共 {ws.max_row-1} 条记录')
"

# 3. 抽样核实日期（随机抽3个文件夹读通知）
ROOT='/mnt/nfs/.../6.备份/1.重要会议/2024'
for folder in $(ls $ROOT | shuf | head -3); do
  echo "━━━ $folder ━━━"
  ls "$ROOT/$folder/"
done

异常处理索引