ChatGPT内容导出Word全攻略：Python自动化实现与避坑指南

1次阅读

共计 2057 个字符，预计需要花费 6 分钟才能阅读完成。

在将 ChatGPT 生成内容导出到 Word 时，开发者常遇到三个核心问题：

格式丢失：ChatGPT 返回的 Markdown 结构（如代码块、标题层级）在转换到 Word 时样式错乱
API 限流：直接循环调用 OpenAI API 容易触发速率限制（每分钟 3 - 5 次请求）
批量性能：同步处理上百条内容时耗时可能超过 30 分钟

对比主流 Python Word 操作库的优缺点：

库名称	优点	缺点
python-docx	原生支持.docx 操作	需要手动处理样式继承
docxtpl	支持模板渲染	依赖 Jinja2 语法学习成本
win32com	完美兼容 Word 所有功能	仅限 Windows 环境使用

最终选择 python-docx + asyncio 组合，因为：

无需模板即可动态生成文档
跨平台支持良好
配合异步 IO 可实现高并发

import random
from typing import Optional

def exponential_backoff(
    retries: int = 3,
    base_delay: float = 1.0,
    max_delay: float = 10.0,
    jitter: bool = True  # 关键参数：添加随机扰动避免请求风暴
) -> float:
    delay = min(base_delay * (2 ** retries), max_delay)
    return delay * (0.5 + random.random()) if jitter else delay

async def fetch_chatgpt_content(
    prompt: str,
    api_key: str,
    max_retries: int = 3
) -> Optional[str]:
    for attempt in range(max_retries):
        try:
            response = await openai.ChatCompletion.acreate(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt}]
            )
            return response.choices[0].message.content
        except (openai.error.RateLimitError, openai.error.APIConnectionError) as e:
            delay = exponential_backoff(attempt)
            await asyncio.sleep(delay)
    return None

代码块高亮：

from docx.shared import RGBColor

def add_code_block(doc, code: str):
    paragraph = doc.add_paragraph()
    run = paragraph.add_run(code)
    run.font.name = 'Consolas'
    run.font.color.rgb = RGBColor(0x23, 0x6B, 0x33)  # GitHub 风格绿色
    paragraph.style = 'Intense Quote'

标题层级映射：
```
# H1 → Heading 1
## H2 → Heading 2
```

使用生成器替代列表存储中间结果：

def batch_process(prompts: Iterable[str],
    batch_size: int = 50
) -> Generator[list[str], None, None]:
    buffer = []
    for prompt in prompts:
        buffer.append(prompt)
        if len(buffer) >= batch_size:
            yield buffer
            buffer = []
    if buffer:
        yield buffer

测试环境：AWS t3.xlarge (4 vCPU/16GB RAM)