使用python-docx生成的Word文档打开时弹出“无法读取内容“警告的解决方案

customXml/
├── item1.xml
├── item2.xml
├── _rels/
│   ├── item1.xml.rels
│   └── item2.xml.rels
├── itemProps1.xml   ← 关键文件
└── itemProps2.xml

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<ds:datastoreItem ds:itemID="{B1977F7D-...}" xmlns:ds="...">
<ds:schemaRefs>
<ds:schemaRef ds:uri="http://www.wps.cn/officeDocument/2013/wpsCustomData"/>
</ds:schemaRefs>
</ds:datastoreItem>

<s:customData xmlns="http://www.wps.cn/officeDocument/2013/wpsCustomData">
<!-- WPS 私有扩展信息：形状、段落属性等 -->
</s:customData>

word/_rels/document.xml.rels
└─ rId12 → ../customXml/item1.xml   （WPS 私有数据）
└─ rId14 → ../customXml/item2.xml   （APA 书目，正常）
[Content_Types].xml
└─ <Override PartName="/customXml/itemProps1.xml" ContentType="...customXmlProperties+xml"/>

http://www.wps.cn/officeDocument/2013/wpsCustomData

def clean_wps_custom_data(docx_path):
"""
从生成的 docx 文件中移除 WPS 私有 customXml 数据。
模板由 WPS 创建时会嵌入 wpsCustomData 私有 XML，其 schema URI 为
http://www.wps.cn/officeDocument/2013/wpsCustomData，Microsoft Word
无法识别此私有 schema，导致打开时弹出"无法读取内容"警告。
此函数在 doc.save() 之后运行，直接对 ZIP 包进行手术，移除该私有数据。
"""
import zipfile, re, io
buffer = io.BytesIO()
try:
with zipfile.ZipFile(docx_path, 'r') as z_in:
with zipfile.ZipFile(buffer, 'w', compression=zipfile.ZIP_DEFLATED) as z_out:
file_list = z_in.namelist()
# 第一步：找出含有 WPS schema 引用的 itemProps 文件编号
wps_item_nums = set()
for fname in file_list:
if fname.startswith('customXml/itemProps') and fname.endswith('.xml'):
with z_in.open(fname) as f:
content = f.read().decode('utf-8', errors='replace')
if 'wps.cn' in content or 'wpsCustomData' in content:
m = re.search(r'itemProps(\d+)\.xml', fname)
if m:
wps_item_nums.add(m.group(1))
# 第二步：构建需要整体删除的文件集合
files_to_delete = set()
for num in wps_item_nums:
files_to_delete.add(f'customXml/item{num}.xml')
files_to_delete.add(f'customXml/itemProps{num}.xml')
files_to_delete.add(f'customXml/_rels/item{num}.xml.rels')
if not wps_item_nums:
print('clean_wps_custom_data: 未发现 WPS 私有数据，无需清理')
return
print(f'clean_wps_custom_data: 发现 WPS 私有数据（item 编号 {wps_item_nums}），正在清理...')
# 第三步：逐文件处理，重新打包 ZIP
for fname in file_list:
if fname in files_to_delete:
continue  # 跳过 WPS 私有文件，不写入新 zip
with z_in.open(fname) as f:
data = f.read()
if fname == '[Content_Types].xml':
# 删除 WPS itemProps 的 Override 声明
content = data.decode('utf-8')
for num in wps_item_nums:
content = re.sub(
r'<Override[^>]*PartName="/customXml/itemProps' + num + r'\.xml"[^>]*/>', '',
content
)
z_out.writestr(fname, content.encode('utf-8'))
elif fname == 'word/_rels/document.xml.rels':
# 删除指向 WPS item 文件的 Relationship 条目
content = data.decode('utf-8')
for num in wps_item_nums:
content = re.sub(
r'<Relationship[^>]*Target="\.\./customXml/item' + num + r'\.xml"[^>]*/>', '',
content
)
z_out.writestr(fname, content.encode('utf-8'))
else:
z_out.writestr(fname, data)
# 将处理后的内容写回原文件
buffer.seek(0)
with open(docx_path, 'wb') as f:
f.write(buffer.read())
print('clean_wps_custom_data: WPS 私有数据清理完成')
except Exception as e:
print(f'clean_wps_custom_data: 清理失败（不影响文档内容）: {e}')

doc = Document(template_path)
# ... 填充内容 ...
doc.save(output_path)
clean_wps_custom_data(output_path)   # ← 紧接在 save 之后调用

# ❌ 错误：[^/]* 会在 ContentType 属性值中的 / 处提前停止
r'<Override[^>]*PartName="..."[^/]*/>'
# ✅ 正确：[^>]* 只排除 >，允许属性值中包含 /
r'<Override[^>]*PartName="..."[^>]*/>'

import zipfile
def verify_clean(docx_path):
with zipfile.ZipFile(docx_path, 'r') as z:
file_list = z.namelist()
# 1. 检查是否还有 WPS schema 引用
for fname in file_list:
if fname.startswith('customXml/itemProps') and fname.endswith('.xml'):
with z.open(fname) as f:
content = f.read().decode('utf-8', errors='replace')
if 'wps.cn' in content or 'wpsCustomData' in content:
print(f"⚠ 仍有 WPS schema: {fname}")
return False
# 2. 检查 document.xml.rels
with z.open('word/_rels/document.xml.rels') as f:
rels = f.read().decode('utf-8')
if 'wpsCustomData' in rels or ('customXml' in rels and 'wps.cn' in rels):
print("⚠ document.xml.rels 中仍有 WPS 引用")
return False
print("✓ 清理验证通过，无 WPS 私有数据残留")
return True