# 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」。
2. 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。
3. 新增 `parseXmlSafely()`：DOM 解析并**关闭外部实体/DTD**（报告来自外部平台，防 XXE）。
4. 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。
5. 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。