feat: RuleDocParser 规则文档 Markdown 化与分类

_AI_USAGE_LOG.md

@@ -64,3 +64,4 @@
 | 2026-08-09 | Agent 实现 | Phase3 Word 解析优先实施计划（writing-plans）：5 任务 TDD（docx_helpers 基建 / WordTemplateParser / RuleDocParser / SourceParser 门面 / 真实样本集成测试）；实证验证 python-docx 关键点（body 级遍历 Paragraph/Table 构造、书签 XML、样式提取、List Bullet 可用）；清理 Task2 占位写法；输出 docs/superpowers/plans/2026-08-09-phase3-word-parser.md | docs/superpowers/plans/2026-08-09-phase3-word-parser.md, _AI_USAGE_LOG.md | deepseek-v4-flash-free |
 | 2026-08-10 | Agent 实现 | Task1 补记：Word 解析测试基建。新建 tests/docx_helpers.py（new_document/save_document/make_rule_doc，make_rule_doc 支持 H1/H2/H3/List Bullet/普通段落 5 种行），供 Phase3 后续全部任务复用 | tests/docx_helpers.py, _AI_USAGE_LOG.md | deepseek-v4-flash-free |
 | 2026-08-10 | Agent 实现 | Phase3 Task2 实现：WordTemplateParser 章构成/占位符/样式名提取。新建 src/genesis/parsers/_word_common.py（heading_level 共享 helper，Task2/3 复用，从 Heading N 样式名解析大纲级别，非数字/无后缀兜底 1）与 src/genesis/parsers/word_template_parser.py（PLACEHOLDER_RE 统一占位符正则 {{键名}}/{{键名:章节名}}；Heading 段落→heading 章标记、bookmarkStart→bookmark、占位符→placeholder 并写 placeholders{名:段落上下文}；styles 提取 defined/used 样式名集合去重）；tests/test_word_template_parser.py 按 brief 8 用例（6 解析 + 2 heading_level 兜底分支）；覆盖补齐：bookmark 用例增加无 name 的 bookmarkStart 覆盖 if name 假分支（98%→100%）；TDD 验证 RED（ModuleNotFoundError: No module named 'genesis.parsers._word_common'）→ GREEN（聚焦 8 passed）；pytest 全量 140 passed 覆盖 100.00%（841 stmts/200 br），fail_under=99 达标 | src/genesis/parsers/_word_common.py, src/genesis/parsers/word_template_parser.py, tests/test_word_template_parser.py, _AI_USAGE_LOG.md | deepseek-v4-flash-free |
+| 2026-08-10 | Agent 实现 | Phase3 Task3 实现：RuleDocParser 规则文档 Markdown 化与分类。新建 src/genesis/parsers/rule_doc_parser.py（body 级遍历保段落/表格交错顺序；Heading N→#×N；列表双通道检测 List 样式或 ・/-/• 前缀；表格→GFM；空段→空行；file_type 固定 word、hash=sha256 hex；复用 _word_common.heading_level 无本地重复）与 tests/test_rule_doc_parser.py 按 brief 6 用例；覆盖补齐：test_parse_empty_document 增加 doc.add_paragraph("") 使空段分支（原 new_document 无任何 w:p 不进分支）达 100%；TDD 验证 RED（ModuleNotFoundError: No module named 'genesis.parsers.rule_doc_parser'）→ GREEN（聚焦 6 passed）；pytest 全量 146 passed 覆盖 100.00%（886 stmts/218 br），fail_under=99 达标 | src/genesis/parsers/rule_doc_parser.py, tests/test_rule_doc_parser.py, _AI_USAGE_LOG.md | deepseek-v4-flash-free |

src/genesis/parsers/rule_doc_parser.py

@@ -0,0 +1,71 @@
+from __future__ import annotations
+
+import hashlib
+from pathlib import Path
+
+from docx import Document
+from docx.oxml.ns import qn
+
+from genesis.data_models import RuleDocument
+from genesis.parsers._word_common import heading_level
+
+# 列表项前缀（真实样本为 Normal 样式 + ・ 前缀，样式名通道不足以命中）
+LIST_PREFIXES = ("・", "-", "•")
+
+
+def _is_list_item(text: str, style_name: str) -> bool:
+    """双通道列表检测：List 样式或文本前缀（spec §3.3）。"""
+    if "List" in style_name:
+        return True
+    return text.startswith(LIST_PREFIXES)
+
+
+def _table_to_markdown(table) -> list[str]:
+    """docx 表格 → GFM 表格行。"""
+    lines: list[str] = []
+    for r_idx, row in enumerate(table.rows):
+        cells = [cell.text.replace("|", "\\|").strip() for cell in row.cells]
+        lines.append("| " + " | ".join(cells) + " |")
+        if r_idx == 0:
+            lines.append("| " + " | ".join(["---"] * len(cells)) + " |")
+    return lines
+
+
+class RuleDocParser:
+    """规则文档 docx 解析：Markdown 化 + 分类。"""
+
+    def parse(self, path: str | Path, category: str = "write") -> RuleDocument:
+        doc = Document(str(path))
+        md: list[str] = []
+
+        # 按文档顺序遍历段落与表格（body 级子元素）
+        for child in doc.element.body.iterchildren():
+            tag = child.tag
+            if tag == qn("w:p"):
+                from docx.text.paragraph import Paragraph
+                para = Paragraph(child, doc)
+                text = para.text
+                style_name = para.style.name if para.style else "Normal"
+                stripped = text.strip()
+                if not stripped:
+                    md.append("")
+                elif style_name.startswith("Heading"):
+                    md.append("#" * heading_level(style_name) + " " + stripped)
+                elif _is_list_item(stripped, style_name):
+                    md.append("- " + stripped.lstrip("・-•").strip())
+                else:
+                    md.append(stripped)
+            elif tag == qn("w:tbl"):
+                from docx.table import Table
+                md.extend(_table_to_markdown(Table(child, doc)))
+                md.append("")
+
+        content = "\n".join(md).strip()
+        return RuleDocument(
+            file_name=Path(path).name,
+            category=category,
+            markdown_content=content,
+            source_path=str(path),
+            file_type="word",
+            hash=hashlib.sha256(Path(path).read_bytes()).hexdigest(),
+        )

tests/test_rule_doc_parser.py

@@ -0,0 +1,82 @@
+from genesis.data_models import RuleDocument
+from genesis.parsers.rule_doc_parser import RuleDocParser
+
+from tests.docx_helpers import make_rule_doc, new_document, save_document
+
+
+def test_parse_heading_and_bullet(tmp_path):
+    path = make_rule_doc(tmp_path, [
+        ("H1", "1. 機能一覧の書き方"),
+        ("list", "・機能ID は F001 から連番で付与する。"),
+        ("list", "・省略記号（～、…）は禁止し、正式名称を記載する。"),
+    ])
+
+    result = RuleDocParser().parse(path, category="write")
+
+    assert isinstance(result, RuleDocument)
+    assert result.category == "write"
+    assert result.file_type == "word"
+    assert result.file_name == "source.docx"
+    assert "# 1. 機能一覧の書き方" in result.markdown_content
+    assert "- 機能ID は F001 から連番で付与する。" in result.markdown_content
+    assert "- 省略記号（～、…）は禁止し、正式名称を記載する。" in result.markdown_content
+
+
+def test_parse_prefix_bullet_without_list_style(tmp_path):
+    # 真实样本的「・」前缀在 Normal 样式段落（非 List Bullet）——双通道检测
+    doc = new_document()
+    doc.add_paragraph("・表ヘッダーは太字とし、下線を付ける。")
+    path = save_document(tmp_path, doc)
+
+    result = RuleDocParser().parse(path)
+
+    assert "- 表ヘッダーは太字とし、下線を付ける。" in result.markdown_content
+
+
+def test_parse_table_to_markdown(tmp_path):
+    doc = new_document()
+    table = doc.add_table(rows=3, cols=2)
+    headers = ["項目", "規則"]
+    for c, h in enumerate(headers):
+        table.cell(0, c).text = h
+    table.cell(1, 0).text = "表ヘッダー"
+    table.cell(1, 1).text = "太字のみ"
+    table.cell(2, 0).text = "枠線"
+    table.cell(2, 1).text = "付ける"
+    path = save_document(tmp_path, doc)
+
+    result = RuleDocParser().parse(path)
+
+    lines = result.markdown_content.splitlines()
+    assert "| 項目 | 規則 |" in lines
+    assert "| --- | --- |" in lines
+    assert "| 表ヘッダー | 太字のみ |" in lines
+    assert "| 枠線 | 付ける |" in lines
+
+
+def test_parse_empty_document(tmp_path):
+    doc = new_document()
+    doc.add_paragraph("")
+    path = save_document(tmp_path, doc)
+
+    result = RuleDocParser().parse(path)
+
+    assert result.markdown_content == ""
+
+
+def test_parse_hash_stable_and_sha256(tmp_path):
+    path = make_rule_doc(tmp_path, [("H1", "章"), ("", "本文")])
+
+    r1 = RuleDocParser().parse(path)
+    r2 = RuleDocParser().parse(path)
+
+    assert r1.hash == r2.hash
+    assert len(r1.hash) == 64  # sha256 hex
+
+
+def test_parse_design_category(tmp_path):
+    path = make_rule_doc(tmp_path, [("H1", "アーキテクチャ制約")])
+
+    result = RuleDocParser().parse(path, category="design")
+
+    assert result.category == "design"