离任审计报告 DOCX 批量生成：docxtpl 模板渲染与回读校验

简介：这份doc格式的离任审计报告，面向审计、财务、内控及企业管理学习者与从业者，提供一份由中天呈会计师事务所出具的经济责任审计实例。报告围绕某投资开展公司原总经理2021年1月1日至12月31日任期，呈现公司基本情况、审计组织实施、财务收支、资产质量、经营成果、内部控制和重大经营活动等审查内容，并分析资产总额、负债总额、所有者权益及收入利润等指标变动，可用于了解离任审计报告的结构、表述方式与评价思路。资源包内共1个doc文档，大小约193KB，便于直接查阅、摘录和对照学习。目前已有54人学习下载。通过该案例，读者可参考审计程序的安排、财务指标变动分析、任期经济责任评价及风险提示写法，也能借此理解高负债扩张背后的财务压力与治理关注点，适合需要撰写或研究离任审计报告的人员作为文书范式与实务素材。

1. 一份离任审计报告.doc 为什么要交给程序生成

任期届满、岗位轮换、干部调整，这几件事一落地，审计组往往要在三五个工作日内出掉几十份《离任审计报告》。这些报告版式高度一致：封面、任职基本情况、经济责任指标完成情况、审计发现事项、责任界定、签字页，一份不差，差异只在姓名、任职起止时间、指标数值和问题条目。于是最常见的做法是拿上一份 Word 改一改，改到最后一份时字体开始漂移、自动编号错位、表格列宽被挤变形，回退检查又得从头翻一遍。

换个思路：把离任审计报告当成一份"模板 + 数据"的可渲染产物，而不是一份需要人工编辑的文档。docx 本身是 OOXML 的 zip 容器，段落、表格、样式都是可寻址的 XML 节点，程序完全可以按字段填充、按行循环、按规则校验。这一篇顺着这个标题把路径铺开：文件结构怎么判断，模板怎么搭，批量怎么跑，回读怎么校验格式，最后怎么把域和页码这类"看起来不听话"的东西处理干净。

2. 离任审计报告 .doc 与 .docx 的结构差异与读写选型

2.1 先判定文件到底是 .doc 还是 .docx

.doc 是 OLE 复合文档，二进制顺序读取，没有稳定公开的段落树模型，python-docx 根本读不了它；.docx 是 zip 包，内部是一组 XML。审计资料在流转中经常被改名，扩展名和真实格式不一致，所以第一步永远是按文件头魔数判断，而不是看后缀。

# 按文件头魔数判定真实格式，扩展名在审计资料流转里不可信 def sniff_doc_format(path): with open(path, "rb") as f: head = f.read(8) if head.startswith(b"\xd0\xcf\x11\xe0"): return "doc" # OLE2 复合文档头，旧版二进制格式 if head.startswith(b"PK\x03\x04"): return "docx" # zip 本地文件头，OOXML 容器 return "unknown"

判断逻辑很直接：\xd0\xcf\x11\xe0\xa1\xb1\x1a\xe1是 OLE2 的固定签名，PK\x03\x04是 zip 的本地文件头签名。命中doc的，常见做法是先用 LibreOffice 无头模式转成 docx 再进入后续流程，转完必须抽查一次表格合并单元格和页眉，旧文档在这两处最容易失真。

# 旧二进制格式统一转一次，输出到 converted 目录 soffice --headless --convert-to docx:"MS Word 2007 XML" \ --outdir ./converted ./raw/离任审计报告.doc

--convert-to后面跟的是目标过滤器名，带上MS Word 2007 XML能避免被识别成别的格式；--outdir必须显式指定，否则会写回源目录覆盖原文件，这在审计留档场景里是事故。

2.2 docx 包内结构与 python-docx 对象映射

docx 解压后能看到的条目不多，但每一层都对应一个写入点。先把它列出来，后面所有操作都能对号入座。

import zipfile # 看清离任审计报告 docx 的内部构成，再决定改哪一层 with zipfile.ZipFile("离任审计报告.docx") as zf: for info in zf.infolist(): print(f"{info.filename:<40}{info.file_size:>8} bytes")

典型的输出会包含word/document.xml（正文）、word/styles.xml（样式定义）、word/numbering.xml（自动编号）、word/header1.xml（页眉）、word/settings.xml（文档级开关）、docProps/core.xml（元数据）。document.xml里，每个段落是w:p，每个表格是w:tbl，单元格是w:tc，文字跑在w:r/w:t里。

注意numbering.xml没有高层 API，手工往里加编号定义是格式事故的主要来源。可靠做法是把多级编号在模板里预先做好，程序只负责填文本，不动编号。

2.3 三条落地路线怎么选

离任审计报告字段多、版式固定、还要给审计人员留出微调空间，我一般选 docxtpl。它的本质是拿 python-docx 打开模板，用 Jinja2 语法替换{{ }}标签，模板本身还是 Word 文件，审计人员能直接在 Word 里改版式，不用碰代码。

3. 用 docxtpl 把离任审计报告模板渲染出结果

3.1 模板里该写哪些标签

模板准备的方式是：先手工做出标准格式的一份报告，把需要变的文字替换成{{ 变量名 }}，把需要按条目展开的表格行首尾插上{%tr for %}和{%tr endfor %}。tr前缀表示整行循环，这是 docxtpl 对表格行的专用语法，少了tr会变成在单元格内循环，直接把表格撑坏。

常用的标签形态有三种：

• 普通取值：{{ name }}、{{ tenure_start }}，用于封面和任职基本情况段。
• 表格行循环：{%tr for item in issues %}与{%tr endfor %}，用于审计发现事项表。
• 条件段落：{%p if has_liability %}与{%p endfor %}同理，p前缀控制整段显示与否。

变量名建议用英文加下划线，模板给审计人员看时再在旁白里标注中文含义，别用中文字段名，docxtpl的解析对中文变量名容错差。

3.2 数据从 Excel 或数据库取出来对齐字段

数据源通常是审计底稿 Excel，也可能是审计系统里的一张表。无论哪种，先把字段规整成字典，再交给渲染函数，不要让模板层去处理数据清洗。

import pandas as pd from docxtpl import DocxTemplate def build_context(row): """把底稿一行整理成模板上下文，字段名与模板标签一一对应""" return { "name": row["姓名"], "unit": row["原任单位"], "tenure_start": row["任职起止"].split("至")[0].strip(), "tenure_end": row["任职起止"].split("至")[1].strip(), "issues": [ {"no": i + 1, "desc": d, "amount": amt} for i, (d, amt) in enumerate( zip(str(row["问题清单"]).split("；"), str(row["涉及金额"]).split("；")) ) ], "report_no": row["报告编号"], } df = pd.read_excel("底稿汇总.xlsx", dtype=str).fillna("") tpl = DocxTemplate("离任审计报告模板.docx") for _, row in df.iterrows(): tpl.render(build_context(row)) tpl.save(f"out/离任审计报告_{row['姓名']}_{row['报告编号']}.docx") tpl = DocxTemplate("离任审计报告模板.docx") # 每份都从干净模板重开

这里的三个参数点值得说清：dtype=str防止 pandas 把指标数值猜成浮点导致尾随小数；fillna("")避免模板里出现nan字样；build_context返回的issues是列表，列表长度决定表格渲染出几行，模板里只保留一行表头加一行循环体即可。最后一行重新初始化DocxTemplate是关键，复用同一个对象连续 render 会把上一份的内容叠进去。

3.3 金额与指标数值的格式化

审计报告里的金额必须千分位、必须保留两位、合计栏必须能对得上。格式化放在 Python 侧完成，别指望模板里的 Word 域。

from decimal import Decimal, ROUND_HALF_UP def money(value): """金额统一转成保留两位、带千分位的字符串，四舍五入用 ROUND_HALF_UP""" d = Decimal(str(value)).quantize(Decimal("0.01"), rounding=ROUND_HALF_UP) return f"{d:,.2f}" def rmb_upper(value): """生成审计报告常用的金额大写，供责任界定段引用""" units = ["", "拾", "佰", "仟", "万", "拾", "佰", "仟", "亿"] digits = "零壹贰叁肆伍陆柒捌玖" text, neg = money(abs(value)), value < 0 int_part = text.split(".")[0].replace(",", "") out, zero = "", False for i, ch in enumerate(reversed(int_part)): if ch == "0": zero = True else: if zero and out: out = "零" + out zero = False out = digits[int(ch)] + units[i] + out return ("负" if neg else "") + (out or "零") + "元整"

Decimal加ROUND_HALF_UP是为了让合计与明细能严格对齐，Python 内置round走的是银行家舍入，遇到0.005这类边界会和审计人员手算的结果差一分。大写函数里zero标志处理的是中间连续零，只补一个"零"，这是中文金额大写的既定写法，不做处理会出现"壹仟零零伍元"。

3.4 中文字体不生效的排查顺序

模板里明明设了仿宋_GB2312，渲染出来变成宋体，几乎都是西文字体和中文字体分开设置造成的。OOXML 里w:rFonts有w:ascii、w:hAnsi、w:eastAsia三个属性，Word 界面改的通常是前两个，中文实际走eastAsia。

from docx.oxml.ns import qn def set_cjk_font(run, cn_font="仿宋_GB2312", size_pt=12): """同时设置中西文字体，缺 eastAsia 中文就会回退到默认宋体""" run.font.size = pt(size_pt) run.font.name = cn_font # 对应 w:ascii / w:hAnsi run._element.rPr.rFonts.set(qn("w:eastAsia"), cn_font)

排查顺序建议是：先看模板样式里有没有显式设置东亚字体，再看渲染生成的 run 是否带了rPr，最后才怀疑字体缺失。如果服务器上没装仿宋_GB2312，转 PDF 时会静默替换，这在交付环节比正文出错更难发现，务必在导出前抽查一页。

4. 批量渲染、回读校验与格式事故拦截

4.1 批量任务的目录约定与命名规则

批量生成最容易出问题的不是渲染，而是文件落地后的管理。建议目录按"批次 / 单位 / 个人"三级铺开，文件名固定为离任审计报告_姓名_报告编号.docx，报告编号作为唯一键贯穿生成、校验、归档三步。

# 一次生成后立刻统计产出，与底稿行数比对 python render_all.py --src 底稿汇总.xlsx \ --tpl 离任审计报告模板.docx \ --out ./batches/2024Q2 find ./batches/2024Q2 -name "离任审计报告_*.docx" | wc -l

--src指向底稿，--tpl指向模板，--out是批次目录。生成完立刻用行数比对，一个底稿行对应一份报告，数量不匹配就是渲染中途异常退出，不要等到归档时才发现少了一份。

4.2 回读 docx 做字段一致性校验

生成完不等于对，必须把产出的 docx 重新读一遍，把关键字段取回来和底稿比对。这是防止标签写错位置、循环体错位、变量名拼错的唯一可靠手段。

from docx import Document def read_report(path): """回读生成的离任审计报告，抽取关键字段用于一致性校验""" doc = Document(path) facts = {"paras": [p.text.strip() for p in doc.paragraphs if p.text.strip()]} facts["tables"] = [] for tbl in doc.tables: rows = [] for row in tbl.rows: rows.append([c.text.strip() for c in row.cells]) facts["tables"].append(rows) return facts def check(path, expect): got = read_report(path) joined = "\n".join(got["paras"]) problems = [] if expect["name"] not in joined: problems.append("姓名未出现在正文") if expect["report_no"] not in joined: problems.append("报告编号缺失") issue_rows = got["tables"][0] if got["tables"] else [] if len(issue_rows) - 1 != len(expect["issues"]): problems.append(f"问题条目数不符：模板 {len(issue_rows)-1}，底稿 {len(expect['issues'])}") return problems

read_report把段落和表格全部拍平，check只做三类断言：关键身份字段在不在正文、报告编号在不在、表格行数对不对。len(issue_rows) - 1是减去表头行，这个减号不能省，否则永远报数量不符。断言失败的报告直接落到failed/目录，人工介入，别混进正式批次。

4.3 交付前的检查清单怎么固化成脚本

人工抽查覆盖不了几十份文档，把清单做成可执行的检查项才靠谱。以下是我常用的一组判定，顺序按"先格式后内容、先整体后细节"排：

其中编号连续这一项，如果模板用的是 Word 自动编号，回读时拿到的p.text里往往不含编号数字，需要在模板里改成手工编号并单独渲染，或者干脆在回读时按段落顺序推断序号。这个坑在初始阶段不踩一次很难意识到，建议第一版就把编号方案定死。

5. 域更新与 PDF 交付的两个实操细节

5.1 让目录和页码在打开时就刷新

模板里放了目录或PAGE域，程序生成后域不会自动计算，打开 Word 看到的可能是错误页码或者空白目录。解决办法是在settings.xml里打开updateFields，让 Word 打开文档时主动提示更新域。python-docx 没有封装这个开关，直接用 lxml 写节点。

from docx.oxml.ns import qn def enable_update_fields(doc): """在 settings.xml 打开 updateFields，Word 打开时会刷新目录与页码域""" settings = doc.settings.element node = settings.find(qn("w:updateFields")) if node is None: node = settings.makeelement(qn("w:updateFields"), {}) settings.append(node) node.set(qn("w:val"), "true")

w:updateFields的w:val必须是字符串"true"，写成布尔值会写出非法 XML，Word 直接报文档损坏。另外这个开关只对交互式打开生效，无头转换时不生效，所以走 PDF 流水线时要在转换前先把域值固化，或者接受目录页码由转换器自行处理。

5.2 无头模式导出 PDF 与常见失真点

审计报告的正式交付件通常是 PDF，用 LibreOffice 无头模式批量转是成本最低的做法。

# 批量转 PDF，务必指定独立输出目录，避免与 docx 混放 soffice --headless --convert-to pdf --outdir ./pdf ./batches/2024Q2/*.docx

转之前有两个检查必须做。一是字体，服务器缺字体时会静默回退，仿宋_GB2312 变成宋体会让整份报告的观感变样，先转一份用pdffonts看嵌入字体列表。二是分页，手工在模板里插入的分页符在转换器里的解释可能和 Word 不一致，签字页被挤到前一页的情况很常见，抽样翻一遍末页再批量放开。批量转的时间开销在文档数量超过两百份后开始明显，可以按单位拆成多个目录并行跑，但要留一个串行收尾的校验步骤，确认输出 PDF 数量与 docx 数量严格一致。

本文还有配套的精品资源，点击获取