add a condition

server/file_association.py

@@ -136,16 +136,43 @@ def read_docx_content(doc_path: Path) -> List[str]:
             has_tab_in_first_rows = any('\t' in line for line in lines[:6])
 
             if not has_tab_in_first_rows and len(lines) >= 6:
-                # 可能是每行一个字段，尝试合并为 6 段
+                # 判断是否是 6 行一组的模式：第二行是网址且第三行是日期/时间
+                def is_url_line(line: str) -> bool:
+                    """判断一行是否是网址"""
+                    return bool(re.match(r'^https?://', line.strip()))
+
+                def is_datetime_line(line: str) -> bool:
+                    """判断一行是否是日期或时间"""
+                    datetime_pattern = r'^\d{4}[-/]\d{1,2}[-/]\d{1,2}\s+\d{1,2}:\d{2}'
+                    date_pattern = r'^\d{4}[-/]\d{1,2}[-/]\d{1,2}'
+                    return bool(re.match(datetime_pattern, line.strip())) or \
+                           bool(re.match(date_pattern, line.strip()))
+
+                # 检查当前起始位置是否是 6 行一组模式
+                def is_six_row_group(lines: list, start_idx: int) -> bool:
+                    """检查从 start_idx 开始是否是 6 行一组"""
+                    if start_idx + 1 < len(lines):
+                        return is_url_line(lines[start_idx + 1]) and \
+                               is_datetime_line(lines[start_idx + 2])
+                    return False
+
+                # 确定起始偏移量
+                offset = 0
+                if is_six_row_group(lines, 0):
+                    offset = 0
+                elif len(lines) >= 3:
+                    # 丢弃第一行，检查第二行是否是网址且第三行是否是日期/时间
+                    offset = 1
+
+                # 按确定的行数组模式处理所有行
                 result = []
-                i = 0
+                i = offset
-                while i < len(lines):
+                while i + 5 <= len(lines):
-                    if i + 5 <= len(lines):
-                        # 尝试合并接下来的 6 行作为一段
                     combined = '\t'.join(lines[i:i+6])
                     result.append(combined)
                     i += 6
-                    else:
+                # 处理剩余行
+                while i < len(lines):
                     result.append(lines[i])
                     i += 1
                 return result
@@ -510,7 +537,21 @@ def main():
                 twole_folder = base_dir / "21世纪教育网"
                 zxxk_folder = base_dir / "学科网"
 
-                if not twole_folder.exists() or not zxxk_folder.exists():
+                if not zxxk_folder.exists():
+                    print("❌ 文件夹不存在，请先解压文件")
+                    # 将失败的原始压缩包拷贝到本程序所在目录的 ee 子目录
+                    script_dir = Path(__file__).parent
+                    ee_dir = script_dir / "ee"
+                    ee_dir.mkdir(exist_ok=True)
+                    dest_file = ee_dir / zip_file.name
+                    import shutil
+                    shutil.copy2(zip_file, dest_file)
+                    print(f"   已拷贝失败文件到：{dest_file}")
+                    fail_count += 1
+                    continue
+                if not twole_folder.exists():
+                    twole_folder = base_dir / "二一教育"
+                if not twole_folder.exists():
                     print("❌ 文件夹不存在，请先解压文件")
                     # 将失败的原始压缩包拷贝到本程序所在目录的 ee 子目录
                     script_dir = Path(__file__).parent