交通统计审核
编辑 | blame | 历史 | 原始文档

功能测试报告_网约车订单报告 WordML 兼容导入_2026-09-18

一、功能说明

背景（用户报障）：把《湖北网络预约出租汽车2025年09月分析报告.docx》放到桌面后用「网约车订单报告」导入，一直失败。

定位结论：该文件**不是真正的 docx**。它是 Word 2003 XML（WordML 平铺 XML，单文件）被改名成了 .docx：
- 文件头是 <?xml version="1.0" ...?> <?mso-application progid="Word.Document"?> <w:wordDocument xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml" ...>
- 3.1MB 纯 XML，**不是 zip 包**；POI 的 XWPFDocument 只能读 OPC(zip) 包，于是抛 File is not a zip file。
- 这类文件是 WPS/Word「Word 2003 XML 文档」格式，网约车监管平台/同事之间流转很常见，会反复出现。

改动：traffic-audit-server/src/main/java/com/trafficaudit/dataimport/service/DataImportService.java

  1. importWycOrderReport() 入口先按文件头嗅探格式，再分派：
  • PK 开头 → docx（zip）：原 XWPFDocument 路径；
  • <w:wordDocument + wordml → WordML 平铺 XML：新增解析路径；
  • D0CF11E0 → OLE2 老 .doc：给出「请另存为 docx」的明确提示；
  • 其它 → 「无法识别的文件格式」。
  1. 新增 isWordPackage()：zip 但包内没有 word/document.xml（如 xlsx 改名）时，直接提示「这不是 Word 文档……多半是 Excel 或其它格式」，不再抛出 XMLBeans 的英文堆栈。
  2. 新增 parseXmlSafely()：DOM 解析并**关闭外部实体/DTD**（报告来自外部平台，防 XXE）。
  3. 表格匹配逻辑抽成与格式无关的 matchWycOrderTable(tables, orders, sumHolder)：
  • docx 路径把 XWPFTable 文本化后调用；
  • WordML 路径把 <w:tbl>/<w:tr>/<w:tc> 文本化后调用；
  • 表头识别、17 市州取值、合计行识别**完全复用同一套逻辑**，两条路径不会出现口径分叉。
  1. 报表期识别抽成 periodOfParagraphs(List<String>)，两种格式共用（标题 网约车行业YYYY年M月 优先，取不到回退「前 10 段任意 YYYY年M月」）。

二、测试环境

  • 后端 8090（mvn -o compile 后重启，加载新类；启动日志 Started TrafficAuditApplication）；数据库 traffic_audit（127.0.0.1:3308）。
  • 接口：POST /api/import/wycOrderReport（file + period，period 可为空 → 由报告标题推断）。
  • 测试文件：D:\桌面\湖北网络预约出租汽车2025年09月分析报告.docx（WordML，3,145,560 字节）；D:\05_数据分类\城市客运\8月\湖北网络预约出租汽车2026年08月分析报告0910最终版.docx（真 docx）。
  • 证据文件：_tmp/_qa_out/（命令输出见本报告表格；数据核对见 _wyc_2025_09_row.txt）。

三、用例表

编号 类型 输入 预期 实际 结论
1 正向 WordML「2025年09月」报告，period=2025-09 解析出 17 市州订单，写入 2025-09 导入成功：报表期 2025-09，订单合计 17,652,159 单，已写入 17 个市州 通过
2 正向 同上，period= 留空 由标题 网约车行业2025年9月 推断出 2025-09 报表期 2025-09，结果与用例 1 一致 通过
3 正向 真 docx「2026年08月」报告重导 与库内既有值一致（幂等，不改变结果） 订单合计 30,508,652、武汉 11,550,551，与导入前完全相同 通过
4 正向 2026年06月报告 订单合计 = 报告正文「全省订单总数 2684.30 万单」 库内 2026-06 = 26,843,037 通过
5 负向 .doc（OLE2 复合文档，Word 97-2003） 明确提示改用 docx 这是 Word 97-2003 老格式（.doc），请用 WPS/Word 打开后「另存为」docx 格式再导入 通过
6 负向 xlsx 改名成 .docx 上传 明确提示不是 Word 这不是 Word 文档（压缩包里没有 word/document.xml），多半是 Excel 或其它格式…… 通过
7 负向 非网约车报告的 docx（《投资表之间的关系.docx》） 提示未解析到订单数 未解析到任何市州订单数，请确认上传的是《网约车行业YYYY年M月运行监测情况分析报告》 通过
8 边界 WordML 中表格含 16 列、表头在第 1 行、市州名用简称（武汉/林区） 简称能映射到规范名（武汉市/神农架林区） 17 市州全部识别，无缺失 通过

入库抽查（报表期 2025-09，与报告附件1逐项对齐）

项 报告附件1 库内 wyc_order_monthly 结论
订单合计 17,652,159 17,652,159 一致
武汉 8,076,610 8,076,610 一致
黄石 676,644 676,644 一致
十堰 1,048,593 1,048,593 一致
恩施 804,736 804,736 一致
神农架林区 1,424 1,424 一致
全省 pin（B~E） 报告无 2794.31 / 2522.54 / 16394.73 / 12998.74（从 wyc_total_monthly 同期复制） 符合设计

四、发现的问题与处置

  1. 格式兼容缺口（本次修复）：WordML 报告无法导入。已加解析路径；两种格式共用同一套表格匹配逻辑，避免口径分叉。
  2. 错误信息不友好（本次修复）：xlsx 改名后报 org.apache.xmlbeans.XmlException: Element workbook@... is not a valid document@...。已改为中文业务提示。
  3. 20XX 年前后报告标题格式不同：2025 年报告标题是「湖北**网约车行业 2025年9月** 运行情况分析报告」，2026 年是「网约车行业2026年6月运行监测情况分析报告」。同一套正则均可命中，无需再改。
  4. 数据缺口已由用户补齐：2026-01~06（14:21 导入 6 份）、2025-01（14:47）、2025-10~12（14:49）均已入库；2025-09 由本次修复后补入（14:59 首次、15:04 复核）。
  • 全部 2025-01~12、2026-01~08 的订单与 pin 现已齐全。
  • 影响：中口径维度 4（城际城乡网约车）1~6 月由「无源」变为「可算」，**中口径排名件与中口径明细件累计口径自动归一**（此前差值 2063.45 = 1~6 月网约车城乡）。

五、结论

  • WordML（Word 2003 XML 改名 .docx）报告现已可直接导入，17 市州 + 合计解析正确、入库逐项对齐；真 docx 路径无回归。
  • 3 条负向用例均给出中文可操作提示（.doc / 非 Word 包 / 非本报告）。
  • 8 例用例全部通过；docs/功能测试报告/ 下已归档本报告。